2025軍工AI行業驅動因素、AI賦能領域及產業鏈全景分析報告（49頁）.pdf

《2025軍工AI行業驅動因素、AI賦能領域及產業鏈全景分析報告（49頁）.pdf》由會員分享，可在線閱讀，更多相關《2025軍工AI行業驅動因素、AI賦能領域及產業鏈全景分析報告（49頁）.pdf（49頁珍藏版）》請在三個皮匠報告上搜索。

1、 2025 年深度行業分析研究報告 目目 錄錄 1.智能化戰爭序幕已經拉開，軍工智能化戰爭序幕已經拉開，軍工 AI 成為強國戰略新高地成為強國戰略新高地.4 1.1.AI 重塑未來戰爭，全球軍事智能化趨勢凸顯.4 1.2.軍工 AI 發展驅動因素：技術與需求共振.6 1.3.各國爭相布局軍工+AI.6 2.AI 如何賦能軍工產業？如何賦能軍工產業？.15 2.1.情報分析與戰場感知：數據驅動的認知革命.15 2.2.指揮決策體系：從人力主導到人機協同.18 2.3.無人裝備智能化：從單兵武器到無人作戰體系.21 2.3.1.無人機領域的突破性應用.21 2.3.2.地面無人裝備的智能化升級.2

2、3 2.3.3.海洋無人裝備的技術革新.24 2.4.軍事仿真：實現低成本試驗.27 2.5.軍工研發范式：加速迭代與成本優化.29 2.6.裝備維護：軍工 AI 賦能裝備智能維護革新.31 3.他山之石：美國他山之石：美國 AI 軍工科技巨頭崛起之路軍工科技巨頭崛起之路.32 3.1.Palantir：全球領先大數據分析公司，其 AI 產品在國防領域展露優勢.32 3.2.Anduril：面向智能化戰爭的新興國防承包商.35 4.“AI+軍工軍工”產業鏈全圖景產業鏈全圖景.39 4.1.“AI+軍工”產業鏈.39 4.2.“AI+軍工”產業鏈相關公司.41 圖表目錄圖表目錄 圖圖 1：戰爭形

3、態演進路線：戰爭形態演進路線.4 圖圖 2：“卡古卡古”2 型自殺式無人機型自殺式無人機.4 圖圖 3：俄烏沖突的主要作戰形式：俄烏沖突的主要作戰形式.5 圖圖 4：新版新版戰略戰略的目標和人工智能需求層次的目標和人工智能需求層次“金字塔金字塔”結構結構.10 圖圖 5：美國國防部預算草案：美國國防部預算草案 C4I 部分部分.11 圖圖 6：2025 財年美國財年美國 C4I 系統預算拆分系統預算拆分.12 圖圖 7：人機融合態勢認知模型：人機融合態勢認知模型.15 圖圖 8：基于人工智能技術的情報工作流程：基于人工智能技術的情報工作流程.16 圖圖 9：基于人工智能技術的軍事情報服務模型：

4、基于人工智能技術的軍事情報服務模型.16 圖圖 10：Skylark 反無人機系統識別無人機的圖像反無人機系統識別無人機的圖像.17 圖圖 11：OODA 環理論環理論.18 圖圖 12：OODA 環理論發展脈絡環理論發展脈絡.19 圖圖 13：人機融合智能決策模型：人機融合智能決策模型.20 圖圖 14：“天空博格人天空博格人”項目低成本無人機概念設計圖項目低成本無人機概念設計圖.22 圖圖 15：MQ-25 無人機無人機.22 圖圖 16：第第 15 屆珠海航展上亮相的屆珠海航展上亮相的“蜂群蜂群 2 號號”陸戰車陸戰車.22 圖圖 17：第：第 15 屆珠海航展上亮相的機器狼屆珠海航展上

5、亮相的機器狼.24 圖圖 18：各國大型自主無人潛艇示例：各國大型自主無人潛艇示例.25 圖圖 19：華如科技戰斗模擬系統：華如科技戰斗模擬系統.28 圖圖 20：KWM 公司戰斗模擬方艙的外部（左）和內部（右）結構公司戰斗模擬方艙的外部（左）和內部（右）結構.28 iYhUjZgVgU9UkXmObRdN6MsQpPtRmRiNnNtOkPmNnP8OpOqQwMmMnNwMsQtN圖圖 21：人工智能小模型在工業領域的應用成熟度分析：人工智能小模型在工業領域的應用成熟度分析.30 圖圖 22：人工智能大小模型融合在工業領域應用成熟度曲線：人工智能大小模型融合在工業領域應用成熟度曲線.30

6、圖圖 23：Palantir 四大產品平臺四大產品平臺.33 圖圖 24：2019-2024 年年 PLTR 營收及增速營收及增速.33 圖圖 25：2019-2024 年年 PLTR 歸母凈利潤及增速歸母凈利潤及增速.33 圖圖 26：PLTR 近期股價情況近期股價情況.34 圖圖 27：國防軍工人工智能產業鏈：國防軍工人工智能產業鏈.39 圖圖 28：攻擊：攻擊-11 無人機無人機.41 圖圖 29：洪都航空營收及增速情況：洪都航空營收及增速情況.42 圖圖 30：洪都航空營收及：洪都航空營收及增速情況增速情況.42 圖圖 31：觀想科技產品體系：觀想科技產品體系.42 圖圖 32：觀想科

7、技營收及增速情況：觀想科技營收及增速情況.43 圖圖 33：觀想科技營收及增速情況：觀想科技營收及增速情況.43 圖圖 34：中科星圖中科星圖“空天空天靈眸靈眸”遙感大模型遙感大模型.44 圖圖 35：中：中科星圖營收及增速情況科星圖營收及增速情況.44 圖圖 36：中科星圖歸母凈利潤及增速情況：中科星圖歸母凈利潤及增速情況.44 圖圖 37：興圖新科的興圖新科的“云視頻指揮系統云視頻指揮系統”.45 圖圖 38：興圖新科營收及增速情況：興圖新科營收及增速情況.45 圖圖 39：興圖新科歸母凈：興圖新科歸母凈利潤及增速情況利潤及增速情況.45 圖圖 40：華如科技：華如科技 XSim 軍事大模

8、型軍事大模型.46 圖圖 41：華如科技營收及增速情況：華如科技營收及增速情況.47 圖圖 42：華如科技歸母凈利潤及增速情況：華如科技歸母凈利潤及增速情況.47 圖圖 43：能科科技參加全球開發者先鋒大會，提出：能科科技參加全球開發者先鋒大會，提出 AI 大模型驅動工業智能化進階大模型驅動工業智能化進階.47 圖圖 44：能科科技營收及增速情況：能科科技營收及增速情況.48 圖圖 45：能科科技歸母凈利潤及增速情況：能科科技歸母凈利潤及增速情況.48 圖圖 46：科思科技營收及增速情況：科思科技營收及增速情況.49 圖圖 47：科思科技歸母凈利潤及增速情況：科思科技歸母凈利潤及增速情況.49

9、 表表 1：各國對：各國對 AI+軍工的布局軍工的布局.6 表表 2：俄羅斯在軍工：俄羅斯在軍工 AI 的布局和支持手段的布局和支持手段.8 表表 3：美國國防部數字化轉型戰略的發展歷程：美國國防部數字化轉型戰略的發展歷程.9 表表 4：美國新舊兩版軍事人工智能戰略對比：美國新舊兩版軍事人工智能戰略對比.9 表表 5：美國人工：美國人工智能戰略的詞條詞頻智能戰略的詞條詞頻.11 表表 6：2024 年以來主要美國年以來主要美國 AI 企業的合作動向情況企業的合作動向情況.12 表表 7：我國在軍工：我國在軍工 AI 的布局和支持手段的布局和支持手段.14 表表 8：美國智能情報典型項目：美國智

10、能情報典型項目.17 表表 9：AI 與無人機的結合與無人機的結合.21 表表 10：人工智能在無人機應用上仍存在關鍵技術和難點有待突破：人工智能在無人機應用上仍存在關鍵技術和難點有待突破.23 表表 11：人工智能在無人艦艇上的應用情況：人工智能在無人艦艇上的應用情況.26 表表 12：軍事仿真應用領域：軍事仿真應用領域.27 表表 13：AI 在軍工科研與工業制造領域的優勢在軍工科研與工業制造領域的優勢.29 表表 14：軍：軍工工 AI 在裝備維護上發揮的作用在裝備維護上發揮的作用.31 表表 15：2024 年年 Palantir 獲得美軍多個軍方機構合同獲得美軍多個軍方機構合同.34

11、 表表 16：Lattic 的系統架構與核心功能的系統架構與核心功能.35 表表 17：Anduril 的武器防護產品的武器防護產品.35 表表 18：Anduril 的空中裝備產品的空中裝備產品.36 表表 19：Anduril 的水下裝備產品的水下裝備產品.37 表表 20：Anduril 的水下裝備產品的水下裝備產品.37 表表 21：越來越多的國防公司應用：越來越多的國防公司應用 AI.38 表表 22：軍工：軍工 AI 代表公司與訂單案例代表公司與訂單案例.40 1.智能化戰爭序幕已經拉開，軍工智能化戰爭序幕已經拉開，軍工 AI 成為強國戰略新高地成為強國戰略新高地 1.1.AI 重

12、塑未來戰爭，全球軍事智能化趨勢凸顯 軍工軍工 AI 是人工智能技術在國防和軍事領域的深度應用。是人工智能技術在國防和軍事領域的深度應用。軍工 AI 是以軍事需求為導向，通過自主決策算法、多源數據融合、智能感知技術等，實現裝備智能化、作戰自主化和決策科學化的技術體系。其本質是將 AI 能力嵌入武器系統、指揮鏈路和后勤保障環節，形成“感知-決策-行動”閉環。圖圖 1：戰爭形態演進路線戰爭形態演進路線 數據來源：人工智能對軍事變革影響的多視角研究，東北證券 在利比亞沖突中，無人機首次在利比亞沖突中，無人機首次實現自主攻擊實現自主攻擊。在 2020 年的利比亞沖突中，交戰雙方采用多種型號無人機執行偵察

13、和作戰任務。據聯合國利比亞問題專家小組發布的報告指出，土耳其制造的“卡古-2”（Kargu-2）無人機 2020 年在利比亞執行了“追捕并遠程交戰”行動，可自主攻擊撤退中的敵方士兵。這是致命性自主武器系統在實戰中的首次運用。圖圖 2：“卡古”：“卡古”2 型自殺式無人機型自殺式無人機 數據來源：澎湃新聞，東北證券 以俄烏戰爭為觀察窗口，以俄烏戰爭為觀察窗口，AI 正在深度重構未來戰爭的形態。正在深度重構未來戰爭的形態。其影響體現在戰術執行、作戰決策和戰略轉型三個層面，形成“數據驅動、算法主導、人機協同”的新型戰爭模式。一、戰術革新：無人機與自主武器的智能化突破一、戰術革新：無人機與自主武器的智

14、能化突破 俄烏戰場成為全球首場以無人機為主力的“算法戰爭”。烏克蘭通過 OCHI 系統收集超過 200 萬小時的無人機戰場視頻，訓練 AI 模型實現目標自主識別與打擊決策，大大提高了傳統 FPV 無人機的命中率。俄羅斯則推出“柳葉刀”巡飛彈等 AI 驅動武器，其搭載的 Nvidia Jetson 邊緣計算模塊支持自主路徑規劃和目標鎖定，可穿透復雜電磁干擾實施精準打擊。雙方均驗證了“蜂群作戰”的可行性通過數百架低成本無人機協同攻擊，實現對防空系統的飽和式突破。二、情報革命：從人力分析到機器決策二、情報革命：從人力分析到機器決策 AI 重塑了戰場感知與指揮鏈條。烏克蘭利用美國 Palantir 公

15、司的“梅文計劃”AI 系統，將衛星圖像、無線電監聽等多源數據整合，實現俄軍動向的實時翻譯與威脅評估，決策周期從小時級壓縮至分鐘級。俄羅斯則通過 S-350 防空系統的 AI 模塊，自主完成多目標攔截指令生成，反應速度較傳統模式提升數倍。更值得關注的是，生成對抗網絡（GAN）技術被用于模擬敵方電子信號特征，生成高欺騙性干擾波形，使電子戰進入“算法博弈”階段。三、戰略轉型：戰爭形態的“三無化”趨勢三、戰略轉型：戰爭形態的“三無化”趨勢 俄烏沖突揭示了未來戰爭的無人化、無聲化、無形化特征。烏克蘭部署的“復仇者”系統通過 AI 控制無人機編隊，在 GPS 失效時仍能依靠視覺導航實施隱蔽打擊；美國“毒液

16、”項目則測試 AI 驅動的戰機自主編隊，預示空戰將轉向“算法集群對抗”。圖圖 3：俄烏沖突的主要作戰形式：俄烏沖突的主要作戰形式 數據來源：人工智能對軍事變革影響的多視角研究，東北證券 1.2.軍工 AI 發展驅動因素：技術與需求共振 人工智能技術的進步為軍工人工智能技術的進步為軍工 AI 發展奠定了基礎。發展奠定了基礎。從技術驅動層面看，以深度學習、強化學習、計算機視覺為代表的 AI 技術突破，為軍事應用提供了全新的可能性。機器學習算法使無人機集群能夠實現自主協同作戰，神經網絡的圖像識別精度已超越人類水平，顯著提升了戰場目標偵測效率。邊緣計算與 5G 技術的結合，更讓智能彈藥、無人戰車等裝備

17、在復雜戰場環境中實現毫秒級決策響應。這些技術突破不斷突破傳統裝備的物理限制，推動軍事系統向自主化、智能化方向演進。軍事需求的升級則是軍工軍事需求的升級則是軍工 AI 發展的另一核心驅動力。發展的另一核心驅動力?，F代戰爭形態正加速向全域聯合作戰轉變，戰場信息密度指數級增長，傳統指揮系統面臨巨大壓力。AI 賦能的戰場管理系統能實時處理多源情報，生成最優戰術方案，將指揮決策周期從小時級壓縮至分鐘級。面對無人化作戰趨勢，各國對智能偵察衛星、自主攻擊平臺等裝備的需求激增，倒逼 AI 算法在動態對抗環境下的魯棒性提升。俄烏沖突中 AI 輔助的電子戰系統、北約正在測試的智能預警網絡，都印證了軍事需求對技術研

18、發的牽引作用。技術突破與軍事需求的共振效應，正在重塑國防科技創新的底層邏輯。技術突破與軍事需求的共振效應，正在重塑國防科技創新的底層邏輯。當 AI 算法迭代速度與裝備升級周期形成正向循環，軍工 AI 發展呈現出需求催生技術、技術創造需求的雙螺旋結構。美國馬賽克戰概念依托 AI 構建動態殺傷鏈，中國蜂群無人機技術突破傳統作戰邊界，這種雙向驅動不僅加速了軍事變革，更推動 AI 技術向具身智能、群體智能等前沿領域突破。未來，隨著量子計算、腦機接口等顛覆性技術的滲透，軍工 AI 將在技術供給與軍事需求的持續共振中，開啟智能戰爭的新紀元。1.3.各國爭相布局軍工+AI AI 技術的軍事化應用已成為全球大

19、國戰略博弈的核心領域。技術的軍事化應用已成為全球大國戰略博弈的核心領域。各國圍繞算法優勢、裝備智能化、作戰形態創新展開激烈競爭，推動軍工體系向數據驅動和自主決策方向加速重構。頂層設計方面，美軍將人工智能視為推動“第三次抵消戰略”的核心驅動力和贏得大國高端戰爭的關鍵，推出“聯合戰爭概念”以指導智能化戰爭能力開發。在合作方面，多個國家選擇合作開發 AI 軍事系統。2024 年 12 月，ChatGPT 開發商、全球人工智能領軍企業OpenAI與美國軍工企業宣布建立戰略合作伙伴關系，共同開發服務于國家安全的人工智能解決方案。表表 1：各國對：各國對 AI+軍工的布局軍工的布局 布局布局 加強頂層設計

20、加強頂層設計 美國 美軍將人工智能視為推動“第三次抵消戰略”的核心驅動力和贏得大國高端戰爭的關鍵，推出“聯合戰爭概念”以指導智能化戰爭能力開發。按照美軍規劃，2025 年初步具備智能化作戰能力，2035 年實現作戰裝備、信息系統、作戰指揮、組織形態的智能化轉型。以色列 2025 年 1 月，以色列國防部設立人工智能和自主系統管理局。該機構匯集以色列科技部門、學術界、國防工業等領域專家，旨在實現“史無前例的軍事技術突破”，維持自身在地區的優勢地位。韓國 韓國國防部組建“國防人工智能中心”和“國防綜合數據中心”，以統籌新興技術軍事運用相關工作，并計劃在 2028 年前組建約 90 個人工智能作戰試

21、點分隊，2032 年前建成 16 個配備人工智能模擬設備的訓練場。英國 英國陸軍則宣布將加強機器人與自主系統建設，2030 年建成機器人與自主系統合成旅，2035 年實現機器人與自主系統從師到班排的全覆蓋。推動多元運用推動多元運用 美國 2024 年 5 月，美國空軍部長弗蘭克肯德爾試駕正在研制的 X-62A 人工智能戰斗機。在約 1 小時的飛行中，該戰機所有動作均由人工智能自主完成。圍繞人工智能技術賦能對指揮控制系統進行升級，將“聯合全域指揮與控制”拓展為“聯盟聯合全域指揮與控制”，希望通過人工智能驅動作戰數據流，增進美軍內部以及美軍與盟軍之間的連通性。2024 年底，美國國防部首席數字與人

22、工智能辦公室設立“人工智能快速能力小組”。該小組主要任務是促進人工智能技術進一步嵌入指揮控制、后勤支持、情報處理等作戰領域。以色列 以色列在歐洲防務展上展出一款應用程序，該程序運用人工智能快速識別圖像，可以準確判定目標裝備屬性。以色列國防軍借助人工智能系統，顯著提高加沙地帶軍事行動的決策效率。德國 德國 ARX 機器人公司研發的系列無人地面載具，借助人工智能技術能夠在戰場上自主運行并相互通信。注重合作聚能注重合作聚能 國 家 間合作 2024 年 11 月，美英澳三國在澳大利亞杰維斯灣舉行近 1 個月的“自主戰士”聯合演習。此次演習，三方投入近 30 種新型無人系統。2024 年，韓國通過舉辦

23、人工智能軍事運用會議，謀求與部分北約國家建立人工智能技術合作機制。德、法兩國決定共同打造具備人工智能和一系列高新技術的“陸上主戰系統”。英國、美國和加拿大三國國防部同意展開合作，探索人工智能在網絡安全領域的應用。企 業 間合作 2024 年 12 月，ChatGPT 開發商、全球人工智能領軍企業 OpenAI 與美國軍工企業宣布建立戰略合作伙伴關系，共同開發服務于國家安全的人工智能解決方案。數據來源：新興技術軍事賦能作用更加凸顯，東北證券 俄羅斯在軍工俄羅斯在軍工 AI 領域的戰略布局以國家頂層設計為核心，通過政策支持和機構改領域的戰略布局以國家頂層設計為核心，通過政策支持和機構改革推動技術研

24、發與實戰應用。革推動技術研發與實戰應用?？偨y普京多次強調人工智能是改變未來戰爭規則的顛覆性技術，并責成國防部加快機器人、智能單兵系統及武器智能化載件的研發，以縮小與西方國家的技術差距并形成戰場優勢。為此，俄政府成立了遠景基金會和國家機器人技術發展中心，統籌軍民用機器人技術研發，同時國防部設立智能技術裝備科研試驗總中心等機構，負責技術跟蹤、算法開發及裝備測試，形成從基礎研究到實戰部署的全鏈條支持體系 表表 2：俄羅斯在軍工：俄羅斯在軍工 AI 的布局和支持手段的布局和支持手段 布局布局 具體具體舉措舉措 國家層面構筑人工智國家層面構筑人工智能發展戰略體系能發展戰略體系 2019 年 10 月通過

25、2030 年前國家人工智能發展戰略，將人工智能發展上升至國家戰略層面。該戰略提出了未來十年俄羅斯人工智能的重點發展目標,包括支持人工智能基礎和應用科學研究、開發和推廣人工智能軟件、提升數據的可訪問性和質量、增加硬件的可用性等。在人工智能基礎和應用科學研究方面,該戰略重點支持以下三個領域：一是模擬生物決策系統的算法；二是自主學習及算法；三是復雜任務的自主分解及解決方案 2021 年 7 月出臺的 俄羅斯聯邦國家安全戰略 強調要確保俄羅斯國防工業綜合體的技術獨立性和創新性,確保在新型武器系統、軍事和特種作戰設備等領域的開發和生產中處于領先地位 2024 年 2 月獲批的新版2030 年人工智能發展

26、國家戰略強調要加強對大型語言模型的基礎和應用性研究,提升超級計算機的算力。建立和完善軍用人工建立和完善軍用人工智能管理機構智能管理機構 2021 年 1 月,俄羅斯國防部成立先進武器研究和測試中心,以加大對尖端武器的研發攻關力度。2022 年 8 月,俄羅斯國防部創新發展總局局長表示,俄羅斯軍方已成立人工智能技術發展辦公室,致力于開發人工智能武器,加快推動人工智能技術在軍用和特種裝備武器領域的應用 2022 年 9 月,俄羅斯國家人工智能發展中心正式啟動。該中心的重點研究項目包括人工智能技術的基礎性、系統性、前瞻性研究,主要研究方向為對話式人工智能、神經網絡、機器學習、語音識別、計算機視覺等

27、加強與長期盟友和合加強與長期盟友和合作伙伴的人工智能軍作伙伴的人工智能軍事化合作事化合作 俄白兩國領導人于 2022 年 9 月簽署2025 年前白俄羅斯和俄羅斯實施軍事技術合作計劃的法令,包括開展聯合研究和開發新式武器;聯合實施符合第三國利益的項目;參與在白俄羅斯和俄羅斯舉行的軍事技術合作活動等。兩國可能涉及的軍事技術合作包括數字化機載武器控制系統、數字化火控系統、高精度地基和空基武器,以及對防空導彈系統的現代化升級等。數據來源：俄羅斯人工智能軍事化的新進展、動因及安全影響，東北證券 2018 年以來，美軍圍繞人工智能、數據、數字現代化等領域出臺了系列戰略文件年以來，美軍圍繞人工智能、數據、

28、數字現代化等領域出臺了系列戰略文件，其中重點關注數據、分析與人工智能采用戰略。2023 年 11 月 2 日，美國國防部發布了數據、分析與人工智能采用戰略。該戰略由美國國防部首席數字與人工智能辦公室制定，對對前期的 國防部人工智能戰略概要(2018)、國防部數字現代化戰略、國防部數據戰略等戰略文件進行整合迭代。戰略是自 2018 年以來美國軍事人工智能戰略的首次更新和系統調整，也是將前期眾多人工智能、數據、數字現代化戰略整合迭代后的最新戰略指導，是推動美軍深度數字化轉型的里程碑事件，將成為指引美軍未來一段時期推動人工智能軍事應用領域的行動指南。表表 3：美國國防部數字化轉型戰略的發展歷程：美國

29、國防部數字化轉型戰略的發展歷程 年份年份 戰略名稱戰略名稱 主要任務主要任務 2018 國防部數字工程戰略 旨在指導國防部數字工程的規劃、開發和實施，使裝備在全壽命周期內實現快速設計、高效生產和精準維護 2019 國防部云戰略 制定了云計算運用發展的戰略和指導原則,提升云平臺對軍隊的支撐能力，配合國防部更大的網絡戰略 2019 國防部人工智能戰略概要 描述了加快人工智能應用的戰略方針和重點領域，以在全球國防事業中率先采用人工智能方法，利用人工智能獲取持久的軍事競爭優勢 2019 國防部數字現代化戰略 以國防部首席信息官的四個優先事項為戰略指導，旨在向作戰部隊提供敏捷、有彈性、透明、無縫和安全的

30、基礎設施和服務，提高國防部的信息優勢 2020 國防部數據戰略 提出國防部應加快成為一個“以數據為中心”的組織，在作戰速度和規模上利用數據提高作戰優勢和效率 2021 國防部企業 DevSecOps 戰略指南 提出全軍應用 DevSecOps 的指導原則，旨在利用新的商用途徑和最佳方法來重塑美軍的軟件開發方法和文化 2022 國防部軟件現代化戰略 提出了軟件現代化框架,指明了五項總體原則，最終目標是通過“快速交付彈性軟件”讓美軍在大國對抗中保持競爭優勢 2022 國防部負責任人工智能戰略和實施路徑 闡明了國防部如何尋求人工智能實現更加安全和高效的方法，使其在一系列作戰和非作戰應用中實現能力現代

31、化 2022 國防部零信任戰略 提出了圍繞“零信任”的 7 大支柱設定的 45 項獨立能力，旨在增強美國防部的網絡安全并保持美軍在數字戰場上的信息優勢 2023 數據、分析與人工智能采用戰略 闡明了國防部保持決策優勢的敏捷方法和六大戰略支柱，旨在加強國防部的數據、分析與人工智能能力，以獲取在全球范圍內的作戰優勢和決策能力 2024 支點：國防部信息技術發展戰略 強調以用戶為中心和跨領域的方法，旨在繼續推動國防部信息技術、網絡、指控與通信、數字化人才的變革 數據來源：美國軍事人工智能戰略的調整：動因、影響與啟示，東北證券 新版戰略與以往的軍事人工智能戰略相比，存在明顯變化。新版戰略與以往的軍事人

32、工智能戰略相比，存在明顯變化。通過與國防部人工智能戰略概要(2018)的比較，可以總結以下主要變化。表表 4：美國新舊兩版軍事人工智能戰略對比：美國新舊兩版軍事人工智能戰略對比 戰略舉措戰略舉措 戰略名稱戰略名稱 主要任務主要任務 人工智能需人工智能需求層次結構求層次結構 無 人工智能需求層次金字塔模型 威脅認知威脅認知 中國、俄羅斯 中國 數據管理數據管理 創建統一的數據框架和標準；強調數據的可訪問性和可重用性 將數據視為產品來管理，強調負責任地收集、存儲管理相關數據；規定了數據質量維度和 VAULTIS 框架 目標能力目標能力 開發和部署能夠解決“關鍵任務”的人工智能系統 通過數據、分析和

33、人工智能技術增強國防部管理和“聯合作戰”能力 基礎設施基礎設施 建立支持人工智能的共同基礎架構 投資于“可互操作、聯合”的基礎設施，以支持數據、分析和人工智能技術的擴展和互操作性 政策原則政策原則 確保人工智能技術的發展和應用符合法律和倫理原則 堅持滿足合法性和道德要求；保護公民隱私和自由;優先考慮數據管理、網絡安全、聯合互操作性等關鍵領域；減少阻礙集體研發、互操作性、情報和信息共享的政策障礙 交流合作交流合作 與私營部門、學術界和國際盟友進行合作，加強人工智能技術生態系統建設 加強與學術界、私營企業、政府部門、國際合作伙伴和盟友的合作，建立一個更加強大的數據生態系統 人才培養人才培養 提出從

34、初級人員到高級領導者分層次進行培訓的方法 對關鍵的工作崗位進行庫存識別、招聘和培訓；重視對非技術人員的培訓 數據來源：美國軍事人工智能戰略的調整：動因、影響與啟示，東北證券 1）視中國為軍事人工智能領域）視中國為軍事人工智能領域的唯一“戰略競爭對手”。的唯一“戰略競爭對手”。在威脅認知方面,戰略對中國在軍事人工智能領域中的戰略定位發生了重大轉變。美國防部在 戰略(2018)中，將“中國”與“俄羅斯”共同定位為美國在人工智能軍事應用領域中的“勁敵”和“競爭對手”的代表。新版戰略沒有直接提及俄羅斯，而將矛頭對準中國，明確將中國視為美國在軍事人工智能領域中唯一“戰略競爭對手”的代表，認為中國已經表達

35、了利用人工智能獲取軍事優勢的意圖，將對國家安全造成挑戰，美國防部必須加快發展人工智能能力以“維持和加強對中國和其他戰略競爭對手的威懾”。2）首次提出“人工智能需求層次結構”。）首次提出“人工智能需求層次結構”。在戰略設計方面，戰略首次系統構建了美軍在數據、分析和人工智能采用領域的需求層次結構，為美軍增強人工智能能力提供關鍵支撐。層次結構的基石是對“質量數據的需求”，因為只有打破數據孤島，提高數據收集和處理能力，獲取高質量數據，才能提升人工智能分析的準確性和深度，進而提高人工智能系統在作戰中的決策能力。層次結構的上一層級，強調的是“有洞察力的分析與指標需求”，人工智能需求層次認為，有洞察力的分析

36、和指標是建立在高質量數據之上的，這些分析與指標構成了國防部領導人深入了解其領域以及影響領域結果的關鍵變量所需的基礎模型與可視化展示。最后，戰略將“負責任的人工智能需求”置于人工智能需求層次金字塔的頂端，表明美國防部將在滿足對高質量數據、有洞察力的分析和指標需求的基礎上，追求實現人工智能安全、可靠的開發和利用，使人工智能達到最終的“可信”狀態，以實現美國防部管理和作戰能力的現代化，指明了未來長期內美軍在人工智能領域的發展方向。圖圖 4：新版戰略的目標和人工智能需求層次“金字塔”結構新版戰略的目標和人工智能需求層次“金字塔”結構 數據來源：美國軍事人工智能戰略的調整：動因、影響與啟示，東北證券 3

37、）高度重視數據對軍事人工智能發展的支撐作用。）高度重視數據對軍事人工智能發展的支撐作用。戰略(2018)將數據作為提高態勢感知和決策、實施預測性維護和供應等關鍵人工智能能力的諸多要素之一，尚未完全認識到數據在人工智能發展中的關鍵作用。戰略 空前重視數據對軍事人工智能發展的支撐作用，將高質量數據作為實現人工智能需求層次的基礎和關鍵，把改善基礎數據管理、提高美國防部數據的質量和可用性作為戰略重點目標之一，創造性提出“將數據視為一種產品”進行管理，促進數據共享和共用，打破“數據孤島”，并在附件中規定了高質量數據所應符合的可見、可訪問、可理解、可鏈接、可信、可互操作和安全的框架與標準。通過詞頻統計可以

38、發現，戰略 中“數據”(Data)一詞的頻率首次高于“人工智能”(AI)，排名第 1，而戰略(2018)中“數據”的排名僅為第 10，這在一定程度上顯示出美國新版軍事人工智能戰略對數據的重視程度上升到了前所未有的高度。本報告來源于三個皮匠報告站（）,由用戶Id:879635下載,文檔Id:651926,下載日期:2025-05-13表表 5：美國人工：美國人工智能戰略的詞條詞頻智能戰略的詞條詞頻 戰略名稱戰略名稱 排名前排名前 10 的詞條（詞頻）的詞條（詞頻）為未來人工智能做好準為未來人工智能做好準備備 AI(385)，systems(87)，data(86)，research(81)，pu

39、blic(67)，learning(59)，technology(58)，science(57)，safety(56)，machine(53)國家人工智能研究與發國家人工智能研究與發展策略規劃展策略規劃 AI(405)，systems(183)，research(107)，human(85)，data(84)，technology(51)，plan(43)，strategic(42)，government(38)，federal(34)人工智能、自動化與經人工智能、自動化與經濟報告濟報告 AI(150)，job(136)，workers(123)，automation(76)，labor(74

40、)，new(70)，technology(55)，economy(53)，job(50)，economic(49)保持美國在人工智能時保持美國在人工智能時代的領導地位代的領導地位 AI(74)，technology(34)，agencies(32)，data(25)，states(22)，federal(21)，national(17)，committee(12)，economic(11)，plan(9)關于安全、可靠和可信關于安全、可靠和可信的人工智能行政命令的人工智能行政命令 AI(388)，secretary(170)，appropriate(128)，security(110)，age

41、ncies(101)，director(94)，federal(91)，date(87)，section(73)，states(71)國防部人工智能戰略概國防部人工智能戰略概要要(2018)AI(169)，research(28)，defense(25)，systems(22)，military(21)，partners(18)，JAIC(16)，challenges(15)，security(14)，data(12)數據、分析與人工智能數據、分析與人工智能采用戰略采用戰略 data(142)，AI(79)，analytics(65)，capabilities(36)，strategy(28)

42、，components(26)，quality(25)，adoption(22)，enterprise(21)，management(19)數據來源：美國軍事人工智能戰略的調整：動因、影響與啟示，東北證券 4）深度強化在軍事人工智能領域的合作。）深度強化在軍事人工智能領域的合作。在戰略合作方面，戰略認為在人工智能事應用競爭日益激烈的戰略環境下，美國防部“不可能獨自取得成功”，需要與盟友及合作伙伴進行深度合作和有效整合，以共同應對決定性十年間復雜的國家安全挑戰。美國軍工美國軍工 AI 2025 財年相關國防預算大幅提升。財年相關國防預算大幅提升。根據 2025 財年美國國防預算及相關戰略規劃，A

43、I 在軍事領域的投入呈現顯著增長，其預算分配和技術布局集中于提升作戰效率、強化多域聯合作戰能力以及應對大國競爭。根據美國國防部，2025 財年 C4I（指揮、控制、通信、計算機和情報）領域預算達 211 億美元，占采購和研發總投入的 7%，較 2024 財年增長 45.5%。重點投向數據融合、指揮決策算法優化及戰場網絡建設，以支撐美軍“聯合全域指揮控制”（JADC2）體系。圖圖 5：美國國防部預算草案：美國國防部預算草案 C4I 部分部分 數據來源：美國國防部，東北證券 圖圖 6：2025 財年美國財年美國 C4I 系統預算拆分系統預算拆分 數據來源：美國國防部，東北證券 美國特朗普簽署第美國

44、特朗普簽署第 14179 號行政命令，美國政策層面給予號行政命令，美國政策層面給予 AI 發展大力支持。發展大力支持。特朗普簽署的第 14179 號行政命令 消除美國人工智能領導力障礙 旨在通過政策松綁、戰略調整和資源整合重塑美國 AI 發展格局。該命令撤銷了拜登時期的 14110 號行政命令，廢除原有 AI 安全監管框架，轉而強調通過自由市場機制激發私營部門創新活力，避免“意識形態偏見”和“繁瑣規則”對技術發展的限制。核心措施包括：要求白宮科技團隊在 180 天內制定國家 AI 行動計劃，重點推動算法優化、芯片生態重構等非對稱技術突破；推動政府與 OpenAI 等企業合作建設算力基礎設施，并

45、為 Stargate 等 5000 億美元級項目掃清政策障礙；同時部署 AI 工具提升政府效率，計劃通過整治浪費在 2026 財年節省 1 萬億美元以反哺技術投資。該命令標志著美國從單純依賴芯片優勢轉向構建彈性技術生態，試圖通過政策杠桿重塑全球 AI 競爭格局。美國“星際之門”（美國“星際之門”（Stargate）AI 項目：項目：特朗普政府于 2025 年 1 月宣布的國家級 AI基礎設施計劃，由 OpenAI、軟銀和甲骨文主導，初期投資 1000 億美元，未來四年將增至 5000 億美元，旨在通過建設覆蓋全美的先進數據中心及配套能源設施，鞏固美國在全球 AI 領域的領導地位。該項目被視為對

46、沖中國 AI 技術崛起如 DeepSeek、字節跳動等企業低成本高效能模型的戰略舉措，同時試圖突破美國傳統芯片出口管制政策的局限性。首批數據中心選址得克薩斯州，未來計劃擴展至加州、弗吉尼亞州等地，并引入中東資本參與投資。美國軍工美國軍工 AI 企業企業合作深化。合作深化。近期，美國多家人工智能龍頭企業開展了戰略合作，其合作領域涵蓋范圍廣泛。這一系列合作背后是人工智能轉向大規模應用階段、美國政府的渠道搭建完畢以及特朗普政府上臺等諸多因素。美國 AI 公司合作包括Palantir 與 Anduril 簽署合作，共同開發國防領域的 AI 訓練；L3Harris 與 Palantir 宣布戰略合作伙伴

47、關系；微軟與 Palantir 合作提供人工智能和云解決方案等。表表 6：2024 年以來年以來主要主要美國美國 AI 企業的合作動向情況企業的合作動向情況 時間時間 合作方合作方 A A 方軟件或平臺方軟件或平臺 合作方合作方 B B 方軟件或平臺方軟件或平臺 領域領域 2024.12.12 C3 AI C3 AI Decision Advantage ECS 網絡安全和數據集成 自動化指控（CJADC2）2024.12.11 C3 AI 防務與情報套件 Collins Aerospace 應用程序 多領域 2024.12.6 Palantir 戰略合作 Anduril 戰略合作 AI 訓練

48、 2014.12.5 Shield AI Hivemind Palantir Gaia、Warp Speed 自主控制 2024.12.4 Anduril C-UAS、Lattice OpenAI 大語言模型 大語言模型 2024.11.7 Anthropic Claude Palantir、AWS Impact Level6、Amazon SageMaker 大語言模型 2024.11.4 Meta Defense Llama Scale AI、Oracle、微 軟、洛 馬、AWS、IBM AI Factory、watsonx 大語言模型 2024.10.23 L3Harris 傳感器和軟件

49、定義系統 Palantir 人工智能平臺 戰略合作 2024.10.9 Clarifai 全棧 AI 開發和計算機視覺平臺 Crimson Phoenix 數據可視化等 醫療模型 2024.10.1 Apex 衛星總線 Anduril AI 支持載荷與系統集成 平臺研發 2024.9.18 Anduril Lattice 平臺 微軟 IVAS 生態系統 計算機視覺 2024.9.11 Anduril Lattice 平臺 Oracle Oracle 云基礎設施和 OCI Roving Edge 基礎設施 指揮控制 2024.8.13 微軟 Microsoft Azure Palantir 人工

50、智能平臺 戰略合作 2024.8.8 Palantir Foundry、Gotham、Apollo等平臺 微軟 Azure Government Secret 和 Top Secret 云 大語言模型 2024.7.1 Voyager Space 國際空間站 Palantir 人工智能平臺 載荷系統 2024.6.24 萊茵金屬 Skymaster Anduril Lattice 平臺 系統集成 2024.6.13 Shield AI Hivemind Parry Labs Edge Compute Micro 機器學習 2024.4.16 現代重工 船舶制造 Anduril 人工智能 戰略合

51、作 2024.4.16 現代重工 無人水面艇 Palantir 自主任務技術 平臺研發 2024.3.8 諾斯羅普格魯曼 TITAN 地面系統 Palantir 人工智能、機器學習 平臺研發 2023.10.12 L3Harris 戰場傳感器和收集平臺 Palantir 人工智能傳感器推理平臺 CJADC2 功能 數據來源：美國軍事人工智能企業大范圍戰略合作的背景與影響，東北證券 我國設立信息支援部隊，聚焦現代化戰爭網絡信息體系建設。我國設立信息支援部隊，聚焦現代化戰爭網絡信息體系建設。我國設立信息支援部隊的核心目標之一是統籌網絡信息體系建設，為軍工 AI 發展提供戰略支撐。該部隊通過整合數據

52、資源、優化通信保障和強化信息攻防能力，直接服務于智能裝備的戰場協同、態勢感知及決策優化需求。例如，其職責涵蓋構建統一的數據鏈路和智能分析系統，為無人作戰、蜂群協同等 AI 應用場景提供底層支持。黨的二十大報告明確將網絡信息體系定位為現代戰爭制勝核心，而信息支援部隊的成立正是這一戰略的具體實踐，旨在通過 AI 技術提升裝備智能化水平，推動軍事體系向“軟件定義戰爭”轉型。我國發布新修訂的 軍隊裝備科研條例（我國發布新修訂的 軍隊裝備科研條例（2025 年年 3 月施行），通過制度設計加速月施行），通過制度設計加速 AI技術與武器裝備的融合。技術與武器裝備的融合。該條例明確要求構建自主創新與開放交流

53、結合的發展格局，優化科研流程并強化質量管控，為 AI 賦能無人作戰系統、智能決策支持等關鍵領域提供制度保障。例如，條例支持研發基于 AI 的戰場態勢感知系統和無人蜂群協同技術，直接響應了黨的二十大關于“軟件定義戰爭”的戰略導向，旨在通過 AI 提升裝備智能化水平，搶占未來戰爭制勝高地。我國在國家層面對軍工 AI 的發展給予了系統性政策支持，通過頂層規劃、專項文件及軍民融合戰略等多維度推動技術研發與軍事應用結合。表表 7：我國在軍工：我國在軍工 AI 的布局和的布局和支持手段支持手段 布局布局 具體舉措具體舉措 國家級人工智能發展國家級人工智能發展規劃規劃 2017 年國務院發布新一代人工智能發

54、展規劃（2017 年）明確將人工智能作為國家戰略，提出“加強人工智能領域軍民融合”，部署基礎理論和關鍵共性技術研發，建立軍民協同創新機制，推動技術雙向轉化。文件強調構建智能化基礎設施體系，包括網絡、大數據和高效能計算平臺，為軍事 AI 提供算力支撐。其中，專欄 4 明確提出建設高精度導航網絡、天地一體化信息網絡等軍事智能化基礎設施 “十四五”規劃和 2035 年遠景目標綱要 提出“加快機械化、信息化、智能化融合發展”，確保 2027 年實現建軍百年目標。規劃強調深化軍民協同創新，重點布局人工智能、量子科技等前沿領域，推動武器裝備智能化升級和國防信息化建設 國防與軍隊專項政策國防與軍隊專項政策

55、軍隊裝備科研條例（2025 年施行）該條例旨在推動裝備科研自主創新與智能化轉型，明確要求加速智能裝備研發，優化科研管理流程，強化技術成果轉化。條例實施后，軍工 AI 領域的研發效率和實戰應用能力顯著提升 組織體系支持組織體系支持 我國信息支援部隊于 2024 年 4 月 19 日在北京八一大樓正式成立，由中央軍委直接領導指揮，標志著我軍軍兵種結構從“四大軍種+兩兵種”調整為“四大軍種（陸、海、空、火箭軍）+四小兵種（軍事航天、網絡空間、信息支援、聯勤保障）”的新型格局。該部隊整合原戰略支援部隊職能，聚焦網絡信息體系建設，統籌情報、通信、導航等資源，強化電子對抗、數據鏈保障及網絡安全防護能力，旨

56、在提升全域聯合作戰效率，應對信息化戰爭挑戰 數據來源：中國政府網，東北證券 2.AI 如何賦能軍工產業？如何賦能軍工產業？AI 通過通過情報分析高效化、情報分析高效化、決策智能化決策智能化、無人裝備自主化、仿真訓練實戰化無人裝備自主化、仿真訓練實戰化、裝備研、裝備研制維護數字化等制維護數字化等核心路徑賦能軍工產業，顯著提升作戰效率和裝備性能。核心路徑賦能軍工產業，顯著提升作戰效率和裝備性能。在指揮決策中，AI 可縮短 OODA 循環周期，實時生成戰術方案；在情報領域，深度學習處理多源數據；無人裝備通過集群協同如無人機蜂群和自主決策形成新質戰斗力；AI還推動裝備設計周期縮短，并實現預測性維護。2

57、.1.情報分析與戰場感知：數據驅動的認知革命 人工智能在情報獲取上能夠突破人類認知的人工智能在情報獲取上能夠突破人類認知的生理生理局限。局限。人工智能作為人類智慧的輔助和延伸，突破了人類認知效率低、考慮因素有限等生理限制。目前，人工智能技術在自然語言處理、圖像識別、無人駕駛、醫學診斷、軍事智能化等領域取得了許多突破性的研究進展，例如在圖像識別領域，部分基于人工智能技術開發的應用系統的識別率可達 95%以上，其準確性已遠超人類的平均水平。隨著大數據、云計算和深度學習等新興技術的快速應用與發展，人工智能技術在情報分析、軍事決策等領域的優勢日益凸顯。軍事情報領域也由過去完全依靠人力進行情報分析轉向了

58、高度人機協同的新的工作模式。戰場形勢錯綜復雜，軍事情報領域對智能化需求高。戰場形勢錯綜復雜，軍事情報領域對智能化需求高。當前，戰場形勢日趨復雜，各類智能化無人系統、智能傳感器遍布整個戰場環境?，F代化軍事情報數據具有海量、異構、多維度等特點，導致情報數據處理過程更加復雜化。但因受到人類本身認知效率低、考慮因素有限等生理機能的限制，單靠情報分析人員無法直接處理像圖像、語音、視頻等非結構化數據，這就使得情報數據背后隱藏的大量有價值的信息不能被及時地發現，同時，考慮計算機的大存儲和超強算力是人類無法相比的先天優勢，基于數據挖掘、深度學習技術對海量戰場環境數據進行智能化分析、戰場態勢研判，輔助指揮員快速

59、決策，進而達到提升作戰裝備打擊精度的目的。圖圖 7：人機融合態勢認知模型：人機融合態勢認知模型 數據來源：面向復雜決策的 OODA 環，東北證券 圖圖 8：基于人工智能技術的情報工作流程：基于人工智能技術的情報工作流程 數據來源：人工智能技術在軍事情報領域的應用與發展，東北證券 人工智能技術與情報的交叉融合發展，從本質上提升了情報搜集、數據挖掘分析能人工智能技術與情報的交叉融合發展，從本質上提升了情報搜集、數據挖掘分析能力，并不斷推動情報工作向著更加自主、智能化的方向轉型發展。力，并不斷推動情報工作向著更加自主、智能化的方向轉型發展。1）基礎設施層是開展情報服務工作的各種底層軟硬件支撐平臺集成

60、體，主要包含硬件和智能基礎平臺兩個部分。硬件目前主要有智能芯片和智能傳感器兩大類。智能基礎平臺主要依靠大數據、云計算技術來實現知識發現、多模態數據的組織與儲存等功能，主要包括智能情報分析與研判平臺、輿情監控平臺、開源智能決策平臺、智能化自主感知平臺等。2）數據資源層作為情報分析的物質基礎，對情報核心層起到決策依據的重要作用。軍事情報數據來源主要分為兩大類，即公開的互聯網資源和內部數據庫。圖圖 9：基于人工智能技術的軍事情報服務模型：基于人工智能技術的軍事情報服務模型 數據來源：人工智能技術在軍事情報領域的應用與發展，東北證券 美國在人工智能技術應用于軍事情報領域的經驗頗豐。美國在人工智能技術應

61、用于軍事情報領域的經驗頗豐。2017 年，美國國防部戰略能力辦公室提出了“專家計劃”，旨在利用美軍早先在中東和非洲多個秘密基地部署的“掃描鷹”和 MQ-9“死神”等多架無人機，通過人工智能技術對前方無人機系統傳回的大量 ISR（情報、監視、偵察）圖像、視頻等數據進行智能挖掘、分析，從中提取感興趣、有價值的情報。2018 年，美國國防情報局（DIA）啟動了“機器輔助分析快速存儲系統”（MARS）項目的研發工作，該項目旨在運用大數據、云計算以及機器學習等技術構建一種針對外軍情報數據采集分析的云數據管理系統。表表 8：美國智能情報典型項目：美國智能情報典型項目 項目名稱項目名稱 啟用時間啟用時間 研

62、究機構研究機構 主要內容主要內容 IP2 2021 年 DARPA 運用人工智能算法提升圖像、視頻信息的偵察精度和情報數據的分析處理效率，從而達到增強戰場環境態勢感知與指揮控制能力 KAIROS 2019 年 DARPA 運用人工智能技術挖掘隱藏在大數據背后的關聯關系，實現智能情報輔助分析和戰場態勢研判，提升了態勢洞察與情報理解能力 MARS 2018 年 DIA 構建一種針對外軍情報數據采集分析的云數據管理系統，實現多情報數據庫間數據共享 Maven 2017 年 美國國防部 輔助情報分析人員對無人機集群采集的海量戰場數據進行處理 MEADE 2016 年 美國空軍 開發交互式情報問答系統輔

63、助情報分析人員處理海量的復雜情報信息 CREATE 2016 年 IARPA 開發結構化分析技術工具，輔助情報分析人員更好地理解和評估數據，輔助決策 數據來源：人工智能技術在軍事情報領域的應用與發展，東北證券 AI 用于軍工情報案例：用于軍工情報案例：美國人工智能公司 Skylark Labs 已為美國防部完成了其專有的反無人機系統(c-UAS)解決方案的測試。Skylark Labs 的 ARIES 系統（空中偵察和消除系統）具備檢測和跟蹤非法無人機的先進能力。在不同場景的監控模擬過程中，ARIES 系統檢測到遠距離威脅，跟蹤其相應的飛行路徑，并根據其機動動作識別其他潛在威脅，還可以向用戶發

64、出來襲無人機的警報，以便及時響應并有效地進行監視操作。圖圖 10：Skylark 反無人機系統識別無人機的圖像反無人機系統識別無人機的圖像 數據來源：人工智能在軍事領域的應用及發展，東北證券 2.2.指揮決策體系：從人力主導到人機協同 OODA（Observe,Orient,Decide,Act）是一種動態決策循環模型，最初由美國空軍上校 John Boyd 在 20 世紀 50 年代提出，用于解釋空戰中的戰術決策過程。后來，這一理論被廣泛應用于軍事戰略、商業管理、網絡安全、應急響應等領域。OODA 理論旨在通過快速迭代的四個階段收集信息（Observe）、分析形勢（Orient）、制定策略（

65、Decide）和執行反饋（Act）在對抗性環境中搶占先機，其核心是通過比對手更快完成循環，擾亂其節奏并掌握主動權。圖圖 11：OODA 環理論環理論 數據來源：面向復雜決策的 OODA 環，東北證券 在人工智能時代，在人工智能時代，OODA 理論逐步進化。理論逐步進化。隨著信息技術的發展，戰場制信息權成為交戰雙方爭奪的焦點，OODA1.0 也隨戰爭形式的變化演變成了 OODA 2.0，OODA2.0強調對戰場態勢信息的獲取。隨著無人作戰平臺與人工智能技術在軍事領域的廣泛應用，OODA 3.0 的概念首次被提出。OODA 3.0 強調了智能技術與無人系統對戰爭的賦能作用，將 OODA 環的描述對

66、象從單人單機的戰術級交戰決策過程,提升到雙方作戰體系的任務級決策過程。在 OODA 3.0 中，觀測環節變為自主態勢感知，判斷環節變為綜合態勢分析（或綜合態勢認知），兩者共同對應于認知體系；決策環節著重強調優化博弈決策；執行環節突出了人機交互的重要性。在新技術的賦能下，OODA 原本的“觀察-判斷-決策-行動”被“感知-認知-決策-行動”所取代。圖圖 12：OODA 環理論發展脈環理論發展脈絡絡 數據來源：面向復雜決策的 OODA 環，東北證券 AI 通過縮短通過縮短 OODA 循環周期，實現快速決策。循環周期，實現快速決策。AI 通過實時數據融合與算法優化，將傳統軍事決策的觀察-判斷-決策-

67、行動（OODA）流程從數小時級壓縮至分鐘甚至秒級，形成決策代差優勢。2020 年亞美尼亞-阿塞拜疆沖突中，阿方利用 AI 驅動的 TB2 無人機系統，通過實時目標識別與打擊鏈自動化，將發現-決策-打擊周期壓縮至 3 分鐘以內，顯著優于傳統指揮體系。AI 驅動的方案推演突破了傳統模擬的局限性，可以生成更多動態方案。驅動的方案推演突破了傳統模擬的局限性，可以生成更多動態方案。AI 仿真系統通過機器學習模擬復雜對抗場景，實現戰爭預實踐，基于戰場實時變化生成數千種戰術組合并評估成功率。在 2023 年北約鎖盾網絡戰演習中，基于生成對抗網絡（GAN）的虛擬戰場引擎，每秒可迭代生成 47 種動態對抗場景，

68、相較傳統推演效率提升 120 倍。圖圖 13：人機融合智能決策模型：人機融合智能決策模型 數據來源：面向復雜決策的 OODA 環，東北證券 AI 在軍工指揮決策中的應用案例：以復雜要地防空作戰為例。在軍工指揮決策中的應用案例：以復雜要地防空作戰為例。以沿海重要經濟城市防空作戰為例，進攻方既可從海上使用可探測性低的隱身飛機，隱身巡航導彈進行遠程打擊，也可以利用彈道導彈高速突防，還可以利用低慢小無人機或低價值火箭彈進行襲擾和試探，或利用電子戰手段制造假目標，消耗防御方的作戰資源。此外，智能技術的應用賦予了進攻方武器協同作戰的能力，形成自適應的殺傷網。防御方需要收集敵方過往攻擊的數據和信息，輸入認知

69、環節進行判斷。在敵方發起新的攻擊時，突出認知環節對感知環節的注意力聚焦強化機制，重點關注敵方武器型號，數量以及己方受攻擊目標之間的映射關系，以判斷敵方的作戰意圖，才能實現有效防御。2.3.無人裝備智能化：從單兵武器到無人作戰體系 2.3.1.無人機領域的突破性應用 無人機作為無人機作為 AI 技術的關鍵應用載體，正通過智能化升級全面重塑現代戰爭形態。技術的關鍵應用載體，正通過智能化升級全面重塑現代戰爭形態。其業務范圍已從單一偵察工具發展為覆蓋偵-控-打-評全鏈條的作戰體系，AI 技術的深度融入在以下多個維度實現突破性發展，這些技術突破使無人機從輔助裝備躍升為戰場核心節點。未來 AI 無人機將承

70、擔越來越多的戰術級任務，形成算法即戰力的新型作戰范式。表表 9：AI 與無人機的結合與無人機的結合 AI 如何賦能如何賦能 說明說明 自主決策與自主決策與戰場應用戰場應用 人工智能顯著提升了無人機的自主作戰能力，使其能夠在復雜戰場環境中獨立完成目標識別、航線規劃和攻擊決策。例如美國空軍的協同作戰飛機項目，通過 AI 算法實現無人機的模擬空戰策略優化，而俄羅斯的獵人-B 無人機可在電子干擾環境下自主規劃攻擊路徑。這種自主性不僅減少了對人類操作員的依賴，還能在通信中斷時保持持續作戰能力，成為現代戰爭中的關鍵力量 目標識別與目標識別與精準打擊精準打擊 深度學習技術賦能無人機實現高精度目標識別，大幅提

71、升打擊效率。MQ-9 死神無人機搭載的 AI 系統可遠距離識別地面車輛與人員，TB-2 無人機則通過圖像分析精準鎖定裝甲目標。AI 算法還能識別偽裝目標，如前哨-R 無人機在敘利亞戰場成功定位隱蔽軍事設施，為后續火力打擊提供精確坐標。這種能力在軍事偵察和反恐行動中尤為重要。智能集群與智能集群與協同作戰協同作戰 AI 驅動的無人機集群通過去中心化協同機制實現高效任務執行。美國 DARPA 的進攻性蜂群使能戰術項目展示了多架無人機在 AI 控制下的協同突破防空系統能力，類似蜂群的協作模式可同時執行偵察、干擾和打擊任務。這種集群不僅具備抗毀性（部分損毀不影響整體功能），還能通過數據共享形成多維戰場感

72、知網絡，顯著提升作戰靈活性。環境感知與環境感知與自適應飛行自適應飛行 通過多傳感器融合與深度學習，AI 賦予無人機復雜環境下的智能導航能力。V-BAT 無人機在強電磁干擾中仍能穩定飛行，Orlan-10 通過算法優化提升抗干擾性能。民用領域的大疆Matrice4 系列結合 AI 模型實現自動避障與航線規劃，而意大利研究團隊開發的 AI 系統能識別梨園害蟲，準確率達 97%，展示了農業監測的創新應用。數據來源：搜狐新聞，光明軍事等，東北證券 以項目為支撐，加速推進人工智能在無人機的應用。以項目為支撐，加速推進人工智能在無人機的應用。以美軍為例，美軍為加快人工智能在無人機領域的應用，主要通過項目、

73、計劃和作戰概念驅動的方式，進行了大量的研究、試驗和演示驗證，主要包括忠誠僚機、無人機蜂群項目、智能吊艙等，這些是無人機技術、人工智能技術等新型技術高度融合的產物。1）忠誠僚機）忠誠僚機 2015 年，美國空軍提出“忠誠僚機”概念，目的是為 F-22 和 F-35 戰機開發無人僚機。當前美空軍在研的“忠誠僚機”項目主要有“天空博格人”、MQ-25（黃貂魚）、“空狼”等。2017 年，“天空博格人”項目由美國空軍實驗室發布，目標是開發一種新型的噴氣動力無人機作為足夠“智能”的忠誠僚機?！疤炜詹└袢恕本哂谢谌斯ぶ悄芗夹g的自主控制系統，僅需有人機駕駛員很少的干預和控制，就可與有人機協同飛行。MQ-2

74、5（黃貂魚）廣泛使用人工智能技術，通過人工智能輔助決策，實現其在航母上的自主行動。圖圖 14：“天空博格人”項目低成本無人機概念設計圖“天空博格人”項目低成本無人機概念設計圖 圖圖 15：MQ-25 無人機無人機 數據來源：搜狐新聞，東北證券 數據來源：搜狐新聞，東北證券 2）無人機蜂群項目）無人機蜂群項目 具備自主任務規劃能力的無人機蜂群是未來戰爭的關鍵性技術之一。具備自主任務規劃能力的無人機蜂群是未來戰爭的關鍵性技術之一。無人機蜂群是以智能化無人控制技術和網絡信息系統為支撐的集群式無人作戰武器裝備。當前，美軍在研的無人機蜂群項目主要有：“進攻性蜂群使能戰術”項目、“小精靈”項目、“低成本無

75、人機集群”項目、“山鶉”微型無人機高速發射演示項目等。中國電科在第 15 屆珠海航展上推出了“蜂群 2 號”陸戰車及配套無人機?！胺淙?2 號”陸戰車可裝載 48 架無人機，這些無人機具備高度智能的協同作戰能力，為現代戰爭帶來了全新的作戰模式。在實際作戰中，它們可以根據不同的任務需求自行編隊和分配任務。圖圖 16：第：第 15 屆珠海航展上亮相的“蜂群屆珠海航展上亮相的“蜂群 2 號”陸戰車號”陸戰車 數據來源：環球時報，東北證券 3）智能吊艙）智能吊艙 智能吊艙通過集成機載人工智能計算平臺，提升數據處理能力，是未來無人機發展的趨勢?！懊艚荻d鷲”是一種可搭載在無人機上的人工智能吊艙，其研究始于

76、 2014年，采用人工智能和機器學習技術實現機載多傳感器集成的目標自動識別、分類和跟蹤監視，提高信息交互能力，縮短 OODA 循環周期，為指揮官提供決策參考。人工智能在無人機應用上仍存在關鍵技術和難點有待突破。人工智能在無人機應用上仍存在關鍵技術和難點有待突破。目前人工智能技術在無人機應用仍處于發展早期，在智能感知技術、智能自主控制技術、智能通信技術、智能協同交互技術等關鍵技術上有待突破。表表 10：人工智能在無人機應用上仍存在關鍵技術和難點有待突破人工智能在無人機應用上仍存在關鍵技術和難點有待突破 有待突破技術有待突破技術 具體情況具體情況 智能感知技術智能感知技術 無人機的自主感知并規避障

77、礙和危險是確保無人機飛行安全和實現無人機自主性的關鍵技術。智能感知技術主要包括感知可分為導航感知、任務感知、系統健康感知和操作感知四類，其中，導航感知的發展目前最為成熟。智能感知技術著眼于未來復雜、動態、瞬時的戰場環境，通過高速戰場信息通信網絡構成的情報傳輸系統，利用云計算、信息融合與共享、智能算法、深度學習等技術，實現無人機系統感知戰場態勢的變化。智能自主控制技術智能自主控制技術 目前，無人機的指揮、控制、偵察、通信、攻擊、管理、評估等決策環節都依靠人來實施，隨著人工智能技術的快速發展，無人機離開人的控制，自主執行作戰任務將成為常態。這就需要無人機在感知戰場態勢后具備智能自主控制能力。智能自

78、主控制技術包括智能飛行控制技術、智能火力控制技術、智能任務規劃技術等。智能通信技術智能通信技術 無人機的工作特點是平臺無人、系統有人，其本質是有人機的智能延伸?，F階段無人機的電磁特征明顯，高度依賴通信鏈路、機間鏈路和控制鏈路，存在著對衛星導航依賴性過強、與地面站通信不穩定等問題，如果其中的任意一條鏈路遭到切斷，無人機尤其是無人機蜂群將可能面臨著癱瘓的風險。智能協同交互技術智能協同交互技術 為了更好地完成任務，無人機需要與有人機、無人機、地面無人裝備、海上無人潛航器等進行協同作業，此時數據共享、目標分配、任務分擔的統籌規劃顯得尤為重要。此時，智能協同交互技術將發揮關鍵作用。智能協同交互技術主要包

79、括有：協同態勢感知技術、信息共享與通信技術、作戰云技術、集群協同作戰技術、學習與進化智能技術等。數據來源：人工智能在美軍無人機領域的應用分析，東北證券 2.3.2.地面無人裝備的智能化升級 AI 能夠幫助地面無人裝備實現智能化升級。能夠幫助地面無人裝備實現智能化升級。地面無人裝備滲透率正在快速提升，以軍用四足類機器人為代表的地面裝備在 AI 技術的應用下有望走向成熟，且地面機器人應用場景在 AI 技術的應用下持續拓寬。軍用四足類機器人依托仿生運動控制技術突破，正從實驗室走向實戰部署。軍用四足類機器人依托仿生運動控制技術突破，正從實驗室走向實戰部署。最新迭代的 X30 四足機器人搭載三維激光雷達

80、與熱成像融合感知系統，可在完全斷聯環境下實現 30 公里自主巡邏，其模塊化設計支持快速切換偵察、排爆、運輸等多種任務套件。值得關注的是，中國兵裝集團研發的狼群作戰系統已實現四足機器人集群協同，通過分布式 AI 決策中樞，12 臺機器狗可同步執行區域封控、重點目標突襲等戰術動作，群體智能水平達到 L4 級自主作戰標準。圖圖 17：第：第 15 屆珠海航展上亮相的機器狼屆珠海航展上亮相的機器狼 數據來源：搜狐軍事，東北證券 四足機器人應用場景持續拓寬。四足機器人應用場景持續拓寬。軍事應用涌現出蜂群突擊、有人-無人協同等新型戰法，某型四足機器人搭載的微型導彈系統已實現 200 米內精確打擊，重新定義

81、了近距離作戰規則。除傳統軍事領域外，四足機器人正深度滲透反恐維穩如邊境巡邏、災難救援如地震遺址搜救及戰略物資投送高原地區彈藥運輸等場景。2.3.3.海洋無人裝備的技術革新 AI 在無人潛航器和水面無人艦艇應用仍處于初期，未來有望成為海軍重點建設方在無人潛航器和水面無人艦艇應用仍處于初期，未來有望成為海軍重點建設方向。向。作為下一代海洋無人裝備，無人潛航器和水面無人艦艇有望在 AI 技術的應用下增強性能。1）自主導航與智能避障：自主導航與智能避障：AI 通過整合激光雷達、相機、超聲波和 GPS 等傳感器，能夠實時感知海洋環境并識別障礙物（如船只、浮標、礁石），結合深度學習算法進行動態路徑規劃，確

82、保無人潛航器和水面艦艇的安全航行。2）復雜任務執行與數據采集：復雜任務執行與數據采集：在海洋勘探、環境監測等領域，AI 賦能的無人潛航器和艦艇可自主完成海底地形測繪、水質監測等任務。通過搭載多類型傳感器，AI 能實時處理海量數據（如聲吶信號、生物分布信息），生成高精度報告，為科研、環保和軍事決策提供支持。3）軍事攻防與戰術決策：軍事攻防與戰術決策：AI在軍事場景中顯著提升了無人裝備的作戰效能。例如，無人潛航器可通過 AI 識別敵方艦艇并自動布設/掃除水雷，或潛伏深水區執行長期監視任務；水面無人艦艇則能協同實施分布式殺傷，通過 AI 分析威脅優先級并快速響應如攔截導彈。4）集群協同：集群協同：A

83、I 技術支持多艘無人艇組成智能集群，通過仿生群體行為算法實現協同導航和任務分配。圖圖 18：各國大型自主無人潛艇示例各國大型自主無人潛艇示例 數據來源：LatentSpace，東北證券 隨著智能化技術的發展，人工智能技術逐漸在水面無人艇中得到應用，增強了無人艇在自主感知，智能化控制，水下作業，健康管理等方面的能力，使得無人艇的應用范圍進一步擴大，從海洋探測這類簡單操作逐步推廣到巡邏與偵察、反潛作戰、海洋搜救等復雜任務。無人艇自主航行技術、水面態勢感知技術、水下探測技術、無人艇健康管理技術也因此得到了長足的發展。表表 11：人工智能在無人艦艇上的應用情況：人工智能在無人艦艇上的應用情況 應用功能

84、應用功能 具體情況具體情況 自主航行自主航行 目前市面上多數船舶都依賴于人來操控，船舶操作多依賴于人的主觀意識和自我判斷，無法像自主航行算法一樣實現全天實時動態操船，另一方面，智能船舶的設計初衷是為了實現無人化，而無人化最大的挑戰在于如何在無人值守的情況下完成避碰，確保無人艇航行安全，所以引入無人艇自主航行技術是解決目前船舶避碰問題的主要途徑。此外，未來無人艇將出此外，未來無人艇將出現大規模、智能化的特點，現大規模、智能化的特點，可執行的任務場景也會豐富，同樣也會帶來更大的挑戰，如何準如何準確快速實現集群編隊路徑規劃以及多種任務場景下實現對各無人艇的運動控制，是自主航行確快速實現集群編隊路徑規

85、劃以及多種任務場景下實現對各無人艇的運動控制，是自主航行未來的研究方向之一未來的研究方向之一。態勢感知態勢感知 態勢感知技術是獲取水面目標態勢的一種手段，常用的設備包括雷達、可見光傳感器和紅外傳感器，得到的水面目標態勢可用于支撐自主航行和任務執行。人工智能技術在圖像處理方面的發展較為成熟，因此，自基于深度神經網絡的目標檢測算法發展成熟之后，逐漸與無人艇目標檢測相結合，成為水面目標檢測的主流算法。水下探測水下探測 與水面目標監測不同，水下探測技術的輸入主要是聲吶傳回來的聲吶圖像。區別于水面目標檢測的像素圖片，聲吶圖像比像素圖攜帶更多的目標特征信息，但缺少了外觀信息，另一方面，聲吶圖像一般具有低分

86、辨率和高噪聲的特點。因此，對于聲吶圖像的處理，比可見光圖像更加復雜。因此對智能算法提出了更高的要求。健康管理健康管理 無人艇是將傳統船舶技術和智能化的結合，小型無人艇特點不僅僅是體積小，并且需要滿足高性能的協作要求，而健康管理系統在其中的作用至關重要，它不僅僅是要求對無人艇上各個設備全方位、多角度、實時的監測，也要求無人艇健康管理系統中各個監測部分可以聯動配合，為無人艇根據自身船體狀態動態調整任務以及提供預測性的維修需求分析與決策提供信息支持。目前健康管理系統領域屬于一個藍海，各界專家和學者主要停留在理論和實驗階段。數據來源：人工智能技術在無人艇智能控制方面的應用展望，東北證券 2.4.軍事仿

87、真：實現低成本試驗 軍事仿真深度融入武器裝備的全壽命周期管理軍事仿真深度融入武器裝備的全壽命周期管理，覆蓋從頂層設計（體系架構規劃與需求建模）、研發驗證（方案優化與工程研制）、效能評估（試驗鑒定與作戰適用性分析），到實戰應用（戰法創新與綜合保障模擬），直至退役處置（壽命預測與報廢決策）的完整閉環。表表 12：軍事仿真應用領域：軍事仿真應用領域 應用領域應用領域 介紹介紹 案例案例 作戰實驗作戰實驗 仿真構設虛擬戰場空間，模擬對抗雙方兵力和作戰行為，在近似真實的數字環境中，研究戰爭，預知戰爭，實現“戰爭在實驗室打響”。某戰區聯合作戰指揮信息系統試點建設 模擬訓練模擬訓練 綜合運用兵棋系統、模擬訓

88、練系統、模擬器材，支撐司令官、指揮參謀人員和一線作戰人員開展模擬訓練，有效提高訓練的效率和效益，實現“像打仗那樣訓練”。炮兵指揮對抗訓練模擬系統 裝備論證裝備論證 以“體系貢獻率”核心指標為牽引，利用仿真手段為裝備發展戰略、規劃計劃、立項論證、作戰運用、效能評估等論證工作提供定量支撐，為實現定性定量相結合的裝備論證夯實基礎。電子對抗裝備體系論證系統 試驗鑒定試驗鑒定 綜合運用互連互通、虛實一體交互技術，構建集實兵實裝（Live）、模擬器（Virtual）、數字仿真模型（Constructive）于一體的 LVC 聯合試驗環境，支撐試驗場、部隊和實驗室聯合構建異地分布、功能一體的邏輯靶場，支撐體

89、系級對抗環境背景下的裝備和作戰聯合試驗。某電子信息系統頂層設計與推進工程聯合試驗環境 綜合保障綜合保障 綜合運用模擬仿真、物聯網、大數據、人工智能等技術，為軍事物流、人員保障、裝備保障等保障業務提供方案優化、推演演練和綜合管理一體化信息服務。軍糧供應管理信息系統 數據來源：華如科技招股說明書，東北證券 戰斗模擬與訓練模擬是一個多學科領域，它將系統工程、軟件工程和計算機科學結合起來構建計算機模型，使士兵熟悉在軍事行動中部署的各種作戰系統。美軍已經招募 Leidos、SAIC、AECOM 和 OrbitalATK 等公司來支持其相關研究計劃。下圖展示了 KWM 公司所研發的一款戰斗模擬方艙，該方艙

90、具備適用于武器制造商的模擬系統，通過全景仿真可將載具全組人員完全納入模擬流程，能夠提供逼真的戰斗體驗，該方艙模擬練習時能提供高達每練 1000 次 CGF（兵力生成計算），可以實現指揮控制系統和無線電電路的仿真，能夠通過設備聯網進行營連排三級訓練以及綜合武器射擊模擬。華如科技擁有戰斗模擬系統，布局雙方兵力后可進行模擬運算作戰結果。圖圖 19：華如科技戰斗模擬系統：華如科技戰斗模擬系統 數據來源：華如科技微信公眾號，東北證券 圖圖 20：KWM 公司戰斗模擬方艙的外部（左）和內部（右）結構公司戰斗模擬方艙的外部（左）和內部（右）結構 數據來源：人工智能技術在軍事及后勤領域的應用研究，東北證券 智

91、能決策業務在全球范圍內迅速擴展，市場規模逐年增長。智能決策業務在全球范圍內迅速擴展，市場規模逐年增長。根據簡氏防務全球建模與仿真的市場預測報告最新數據，由于軍事多域協同作戰的需求攀升、AI 算力與算法的突破性進展以及全球國防預算結構性傾斜等原因，全球軍事智能決策市場規模年復合增長率高速擴張，預計 2025 年，市場總額將達到 432 億美元。其中，北美作為技術創新與實戰驗證前沿主導，占據 40.2%份額；歐洲通過構建多國協同決策系統，占比 25.8%；亞太地區快速增長，占比達 28.5%；中東占比 4.5%。展望展望 2030 年智能決策市場規模有望突破年智能決策市場規模有望突破 1200 億

92、美元。億美元。根據簡氏防務全球建模與仿真的市場預測報告，北美、亞太與歐洲將成為三大核心增長極，而中東、拉美及非洲則為新興潛力市場崛起。預計 2030 年北美市場規模仍保持 38%以上的市占率，亞太地區市占率將上升至 35%左右，歐洲占比在 22-25%左右，中東占比在 7-9%，拉美地區占比在 2-3%。智能軍事產業國內市場規模保持快速增長。智能軍事產業國內市場規模保持快速增長。智能決策技術在國內各行業的應用呈現爆發式增長態勢，該技術已深度滲透至金融、交通、工業制造、醫療及國防等領域。在諸多政策出臺和技術發展的背景下，智能決策在軍事領域的應用呈現高速增長與深度滲透態勢，智能決策技術在態勢感知與

93、情報處理、指揮控制與作戰規劃、自主無人系統、網絡空間對抗等多方面都有明顯應用優勢。參考部分第三方研究機構統計數據，智能決策在國內軍事領域的市場規模，2024 年市場規模已突破 150 億元，中國智能軍事產業預計 2025 年將達 220 億元，2025-2030 年 CAGR 超 25%。2.5.軍工研發范式：加速迭代與成本優化 在軍工科研與工業制造領域引入人工智能技術，可系統性提升武器裝備研發效能。在軍工科研與工業制造領域引入人工智能技術，可系統性提升武器裝備研發效能?，F代先進裝備的研制高度依賴軟件體系支撐，而大模型技術的深度應用正從底層重構開發范式：其代碼自動生成能力突破傳統開發模式對專業

94、程序員的強依賴，使非科班人員通過自然語言交互即可簡單完成基礎功能模塊開發。在裝備生產環節，大模型生成的機器人控制代碼可實現精密加工，提升良品率。這種技術滲透從軟件研發與生產控制雙維度加速裝備研制進程，提高武器研發效能。表表 13：AI 在軍工科研與工業制造領域的優勢在軍工科研與工業制造領域的優勢 優勢優勢 具體情況具體情況 實現智能設計與實現智能設計與仿真優化仿真優化 利用生成對抗網絡（GAN）和強化學習算法，AI 可快速生成數千種符合性能指標的設計方案（如飛行器氣動外形、裝甲材料結構），將傳統耗時數月的設計周期壓縮至數周。AI驅動的高精度仿真（如爆炸沖擊、電磁兼容性測試）替代部分物理試驗，減

95、少試驗次數達 30%-50%。數據驅動的研發數據驅動的研發決策決策 基于歷史試驗數據的 AI 模型（如隨機森林、LSTM）可提前識別設計缺陷，減少后期返工。洛克希德 馬丁利用 AI 分析 F-35 試飛數據，將問題定位時間從數周縮短至小時級。AI 算法實時優化研發資源分配，例如根據任務優先級自動調整超級計算資源分配，避免算力閑置。降低降低試驗成本試驗成本 AI 構建的“數字孿生”系統可模擬極端環境（如核輻射、深海高壓），減少實彈測試次數。另一方面，AI 優化試驗參數后，單次試驗獲取的數據量提升 3-5 倍，減少昂貴原型機制造數量。精細化運營生產精細化運營生產環節和產業鏈環節和產業鏈 傳統的工業

96、優化往往是靜態的，依賴于歷史數據進行預測和調度。然而，隨著人工智能的發展，特別是人工智能驅動的產業鏈協同，使得企業能夠實現實時響應市場需求和環境變化的動態智能優化。通過人工智能的應用，企業不僅可以在生產環節實現精細化運營，還能在整個產業鏈上實現智能化管理。數據來源：人工智能在工業領域的應用案例分析及路徑研究，東北證券 人工智能技術在軍工與工業制造領域已形成分層應用體系：人工智能技術在軍工與工業制造領域已形成分層應用體系：在制造執行層，基于判別式學習的小模型憑借任務專精特性，構建起覆蓋產線監控、設備健康管理及質量檢測的成熟技術矩陣；在研發決策層，千億參數級大模型通過多模態數據分析，能夠提供更為精

97、準和全面的解決方案，例如波音構建供應鏈數字孿生體提前預警材料短缺。小模型和大模型兩者通過認知-執行協同范式，形成貫穿設計-生產-運維全鏈的智能加速引擎。圖圖 21：人工智能小模型在工業領域的應用成熟度分析：人工智能小模型在工業領域的應用成熟度分析 數據來源：人工智能在工業領域的應用案例分析及路徑研究，東北證券 圖圖 22：人工智能大小模型融合在工業領域應用成熟度曲線：人工智能大小模型融合在工業領域應用成熟度曲線 數據來源：人工智能在工業領域的應用案例分析及路徑研究，東北證券 2.6.裝備維護：軍工 AI 賦能裝備智能維護革新 軍工 AI 通過預測性維護（實時數據監測與壽命預測）、智能診斷（故障

98、模式識別與維修知識庫）、自主化維修（無人機器人與模塊化設計）、供應鏈優化（動態庫存與物流調度）及人機協同（虛擬訓練與專家系統）五大核心功能，顯著提升了裝備維護效率、可靠性及全生命周期管理能力，成為現代軍事體系中降低戰備成本、增強裝備效能的關鍵技術支撐。表表 14：軍工：軍工 AI 在裝備維護上發揮的作用在裝備維護上發揮的作用 功能功能 具體表現具體表現 預測性維護與故障報警預測性維護與故障報警 實時數據監控：通過在裝備關鍵部位部署傳感器（如振動、溫度、油液監測設備），AI 系統可實時采集設備運行數據，結合歷史故障模式進行分析，提前預測潛在故障。壽命評估與優化：AI 算法如深度學習模型可分析裝備

99、全生命周期數據，動態評估部件剩余壽命，指導維護周期調整。智能診斷與維修決策智能診斷與維修決策 實現多模態診斷和維修決策優化。結合圖像識別、聲紋分析等技術，AI 可快速定位故障源?；谘b備數據庫和維修知識圖譜，AI 能自動生成最優維修策略。自主化維護技術自主化維護技術 無人化維修作業：通過 AI 控制的機器人完成高危環境維護任務。自修復材料應用：智能材料如形狀記憶合金結合 AI 控制，可實現局部損傷自動修復。數據驅數據驅動的維護體系動的維護體系 供應鏈智能管理：AI 優化備件庫存與物流調度，確保關鍵部件及時供應。人機協同維護模式人機協同維護模式 增強現實指引：維修人員通過 AR 眼鏡獲取 AI

100、疊加的拆裝指引、扭矩參數等實時信息，復雜裝備如雷達系統維修效率提升 40%。數據來源：人工智能在軍事及后勤領域的應用研究，東北證券 3.他山之石：美國他山之石：美國 AI 軍工科技巨頭崛起之路軍工科技巨頭崛起之路 3.1.Palantir：全球領先大數據分析公司，其 AI 產品在國防領域展露優勢 Palantir 是一家總部位于美國的全球領先大數據分析公司是一家總部位于美國的全球領先大數據分析公司，專注于為政府、國防、金融及企業客戶提供復雜數據整合與決策支持解決方案。其核心產品包括政府情報分析平臺 Gotham（曾協助定位本拉登）、企業級數據平臺 Foundry（優化供應鏈與預測性維護），以及

101、集成大語言模型的 AI 平臺 AIP（如 GPT-4），通過處理多源異構數據（結構化與非結構化）實現動態決策。Palantir 發展歷程：發展歷程：從反恐工具到從反恐工具到 AI 領軍者領軍者 1）初創階段（2003-2010）：公司成立于 2003 年，創始團隊包括 Peter Thiel（PayPal聯合創始人）和 Alex Karp，早期定位為政府情報服務的“數據獵手”。其首款產品 Gotham 通過整合多源異構數據如衛星圖像、金融交易記錄等，幫助 CIA、FBI 等機構解決反恐情報分析難題，典型案例包括 2011 年協助定位本拉登。2）商業化拓展（2011-2019）：2011 年推出

102、企業級平臺 Foundry，嘗試進軍商業市場，客戶包括摩根大通、空客等。但由于高度定制化服務模式成本高昂，擴展速度受限，商業收入占比長期低于政府業務。3）全球化與 AI 轉型（2020-至今）：2020 年上市后加速全球化布局，例如為英國NHS 優化疫苗分發。2023 年推出 AIP 人工智能平臺，集成大語言模型如 GPT-4，聚焦供應鏈優化、軍事決策等場景，推動商業收入占比提升至 50%。俄烏戰爭爆發以來，Palantir 深度介入戰爭，為烏克軍隊及多個政府機構提供服務，在情報分析、指揮決策等多個領域展現出人工智能的巨大優勢。Palantir 正通過正通過 AI 技術深度重構其產品生態體系，

103、逐步形成以軟件為核心、硬件為技術深度重構其產品生態體系，逐步形成以軟件為核心、硬件為載體的智能化解決方案矩陣。載體的智能化解決方案矩陣。在國防軍事領域，其技術演進路徑呈現顯著的代際跨越特征：Gotham 平臺的軍事智能化轉型平臺的軍事智能化轉型 作為最早開發的國防專用系統，Gotham 已從傳統的多源情報整合工具升級為 AI 驅動的作戰決策中樞。該平臺通過動態本體論技術整合衛星偵察、戰場傳感器等異構數據，結合混合現實技術實現作戰態勢的實時三維重構，顯著提升殺傷鏈效率 17。典型案例包括協助美國特種作戰司令部定位本拉登，以及在烏克蘭戰場優化衛星資源調度。Foundry 平臺的防務場景延伸平臺的防

104、務場景延伸 企業級數據操作系統 Foundry 通過軍工級安全架構改造，成功拓展至國防領域。其核心優勢在于構建數字孿生作戰空間，支持武器系統效能模擬、后勤保障鏈路優化等場景。例如美國陸軍采用 Foundry 構建的 TITAN 系統，可實時同步 12 萬+作戰單元數據，實現裝備狀態預測性維護。AIP 平臺的軍事大模型突破平臺的軍事大模型突破 最新推出的 AIP 平臺整合 GPT-4 等大模型，形成AI 作戰參謀能力。其關鍵技術包括：1）私有化部署框架。支持在戰術邊緣設備運行大模型，確保數據主權。2）知識圖譜增強：通過軍事領域本體庫抑制 AI 幻覺，提升戰場決策可信度。3）智能代理系統。自動化生

105、成作戰方案并模擬對抗推演。軟硬一體化技術棧軟硬一體化技術棧 Palantir 通過 Apollo 平臺實現國防系統的全生命周期管理，支持在 F-35 戰斗機、核潛艇等極端環境部署 AI 應用。其硬件兼容性覆蓋從云端服務器到戰術終端的完整譜系，形成云端訓練-邊緣執行的閉環體系。圖圖 23：Palantir 四大產品平臺四大產品平臺 數據來源：Palantir 官網，東北證券 2019-2024 年公司業績實現快速增長。年公司業績實現快速增長。2019-2024 年公司營業收入從 7.43 億美元增長至 28.66 億美元；歸母凈利潤從-5.88 億美元增長至 4.62 億美元，2023 年首次實

106、現盈利。公司業績保持較好增長態勢。圖圖 24：2019-2024 年年 PLTR 營收及增速營收及增速 圖圖 25：2019-2024 年年 PLTR 歸母凈利潤及增速歸母凈利潤及增速 數據來源：ifind，東北證券 數據來源：ifind，東北證券 Palantir 深度介入俄烏戰爭，其技術應用顯著改變現代戰爭形態。深度介入俄烏戰爭，其技術應用顯著改變現代戰爭形態。Palantir 的MetaConstellation 系統通過整合商業衛星如 SpaceX 星鏈、熱傳感器、無人機偵察等多源數據，實時生成動態戰場地圖，烏軍可精準獲取俄軍裝備位置、后勤補給線等關鍵信息。該系統日均定位 300+目標

107、，配合星鏈網絡實現“發現-打擊”殺傷鏈效率提升至分鐘級。在 2023 年的跨年襲擊中，烏軍利用 MetaConstellation 鎖定俄軍馬克耶夫卡新兵基地坐標，通過星鏈傳輸數據，6 枚海馬斯火箭彈造成 89 人傷亡。此戰中 AI 系統從偵察到打擊耗時僅 30 分鐘，遠低于俄軍傳統流程的 3-5 分鐘響應。0%5%10%15%20%25%30%35%40%45%50%05101520253035201920202021202220232024營業收入(億美元)同比增速-150%-100%-50%0%50%100%150%200%-14-12-10-8-6-4-2024620192020202

108、1202220232024歸母凈利潤(億美元)同比增速Palantir 資本市場表現優異。資本市場表現優異。Palantir2024 年全年股價漲幅超 300%，2025 年 2 月 4日盤后交易中因業績超預期單日飆升 24%。盡管 CEO Alex Karp 大規模減持股票，但市場對其 AI 技術前景仍保持高度信心。圖圖 26：PLTR 近期股價情況近期股價情況 數據來源：ifind，東北證券 Palantir 作為美國政府和軍方的重要技術供應商，近年來簽訂了一系列高額合同，主要集中在人工智能、數據分析與軍事決策支持領域。2024 年 Palantir 獲得美軍多個軍方機構的合同。表表 15

109、：2024 年年 Palantir 獲得美軍多個軍方機構合同獲得美軍多個軍方機構合同 時間時間 金額金額 合作方合作方 主要合作內容主要合作內容 2024 年年 3 月月 1.78 億美元 美國陸軍 TITAN 戰術 AI 車輛項目。聯合諾斯羅普格魯曼、L3Harris 等企業開發首款 AI 定義戰術車輛，配備超視距瞄準系統。通過機器學習實時分析戰場電磁頻譜數據，輔助士兵快速決策。2024 年年 3 月月 980 萬美元 美國國防信息系統局 負責開發電磁戰斗管理系統原型。這一系統將支持國防部的任務分析和決策。該項目將為國防部提供先進的軟件功能，以支持聯合電磁頻譜作戰。2024 年年 5 月月

110、4.8 億美元 美國陸軍 在 2029 年之前全面開展名為“Maven 智能系統”的大型 AI 項目。據悉，“Maven 智能系統”將全面使用“人工智能+計算機視覺”創新技術來幫助美軍更快、更準確地識別目標。2024 年年 9 月月 9980 萬美元 美國陸軍作戰能力發展司令部 將 Maven 智能系統的訪問權限擴展至整個軍事部門，包括陸軍、空軍、太空部隊、海軍和海軍陸戰隊。合同期為五年，旨在簡化并加速各軍種對 Maven 智能系統現有功能的訪問。2024年年12月月 3680 萬美元/年 美國特種作戰司令部 Palantir 宣布擴大與美國特種作戰司令部的合同，以提供支持企業能力的技術解決方

111、案。該合同確立了 Palantir 為 USSOCOM 任務指揮系統的首席軟件集成商，一年的交付價值為 3680 萬美元。2024年年12月月 4.007 億美元 美國陸軍 Palantir 宣布公司已延長了與美國陸軍的長期合作伙伴關系，將為美國陸軍提供 Vantage 系統，并支持美國陸軍數據平臺（ADP）項目。該合同總價值為 4.007 億美元，期限最長為四年，潛在上限為 6.189 億美元。數據來源：智通財經等，東北證券 020406080100120140PLTR股價（美元）3.2.Anduril：面向智能化戰爭的新興國防承包商 Anduril 是面向智能化戰爭的新興國防承包商。是面向

112、智能化戰爭的新興國防承包商。Anduril Industries 成立于 2017 年，由 Oculus VR 創始人 Palmer Luckey 與 Palantir 前員工 Trae Stephens 等聯合創立。公司名稱源自魔戒中的虛構寶劍“安都瑞爾”，象征“西方之火”。創立初衷是顛覆傳統國防工業低效的 PPT 論證模式，以硅谷的敏捷開發和大規模生產能力替代傳統軍工巨頭。Anduril Industries 作為美國國防科技領域的革新者，其產品體系以作為美國國防科技領域的革新者，其產品體系以 AI 軟件為核心，軟件為核心，覆蓋陸、海、空、天多領域作戰需求。覆蓋陸、海、空、天多領域作戰需求

113、。Anduril 產品主要包括 Lattice 晶格系統、武器防護、空中系統、水下裝備和火箭發動機。1）Lattice 晶格系統：晶格系統：Anduril 的 Lattice 晶格系統是其核心產品之一，作為 AI 驅動的開放式操作系統，旨在整合多領域軍事裝備與數據源，構建智能化的戰場感知與指揮控制能力。Lattice 系統通過“軟件定義硬件”模式，重新定義了現代戰場的指揮控制邏輯。其核心價值在于將硅谷的 AI 技術與軍事需求結合，實現從傳感器到射手的無縫閉環，成為美軍實現“聯合全域作戰”的關鍵技術支點 表表 16：Lattic 的系統架構與核心功能的系統架構與核心功能 具體情況具體情況 開放式

114、軟件平臺開放式軟件平臺 Lattice 基于模塊化設計，支持與不同傳感器、網絡和系統集成，形成統一的“單一集成層”，過濾高價值信息并生成智能共用作戰圖。其開放式 API 和 SDK 允許快速接入第三方硬件如無人機、雷達、電子戰設備等和軟件。多域作戰能力多域作戰能力 可同時連接陸地、海上、空中、太空領域的數千個傳感器和效應器，實時融合數據并生成動態戰場態勢圖，支持跨域協同作戰。例如，在美海軍 IBP24.1 演習中，Lattice 成功指揮了空中、水面和水下異構無人系統。自主決策與邊緣自主決策與邊緣計算計算 利用 AI 算法（如深度學習、計算機視覺）實現目標檢測、分類和威脅評估，并通過邊緣計算在

115、無網絡環境下自主決策，顯著縮短殺傷鏈閉合時間。數據來源：網絡資料整理，東北證券 2）武器防護：）武器防護：由 Lattice 提供支持的一系列自主系統，可在戰術邊緣提供跨陸地、海上和空中的綜合、持續的感知和防護。表表 17：Anduril 的武器防護產品的武器防護產品 產品圖片產品圖片 產品應用產品應用 哨兵塔哨兵塔(Sentry Towers)連接到 Lattice，以探測和追蹤威脅軍事基地、大型公共活動場所或私人管理的關鍵基礎設施周邊的非法無人機，能夠實現自主檢測、識別和追蹤。Roadrunner-M 是是 Roadrunner 的一種高爆攔截器變體的一種高爆攔截器變體，專為地面防空而設計

116、，可快速發射、識別、攔截并摧毀各種空中威脅，并幾乎以零成本安全回收和重新發射。Roadrunner-M 可在危險出現時立即起飛并盤旋，為操作員提供更多信息和時間來評估目標。Pulsar 是一系列軟件定義的電磁戰是一系列軟件定義的電磁戰(EW)系統系統，利用邊緣 AI 快速適應新興威脅。Pulsar 的模塊化結構可調整并集成到地面車輛(Pulsar-V)或飛機(Pulsar-A)上，以支持多種任務組合。數據來源：Anduril 官網，東北證券 3）空中裝備：空中裝備：包括無人機、巡飛彈等，由 Lattice 負責任務分配、連接和控制的自主空中系統。這些系統共同支持各種情報、監視和偵察任務。表表

117、18：Anduril 的空中裝備產品的空中裝備產品 產品圖片產品圖片 產品應用產品應用 Bolt 是一款模塊化自動駕駛飛行器是一款模塊化自動駕駛飛行器(AAV)，具備快速響應能力，可實時感知態勢。先進的機載人工智能(AI)可自動完成數千個手動飛行輸入，有效追蹤目標，使操作員能夠專注于關鍵決策而非導航。梭子魚（梭子魚（Barracuda）是專為超大規模生產和大規模部署而設計的吸氣式自主飛行器(AAV)系列。梭子魚結合先進的軟件和簡化的設計，提供高度智能、低成本且靈活的任務系統。Roadrunner 是一款可重復使用、垂直起降(VTOL)、操作員監控的自主飛行器(AAV)，配備雙渦輪噴氣發動機和模

118、塊化有效載荷配置，可支持多種任務。Fury 是一款高性能、多任務第 5 代自主飛行器(AAV)，為高端戰斗提供可信賴的協作自主性。Ghost 是一種模塊化、遠征型和增程型無人機系統，它部署可操作且直觀的自主性，以最小的認知負荷和訓練完成 ISR、瞄準和部隊保護任務。Altius 系列巡飛彈藥系列巡飛彈藥，可以從地面、空中或海上發射，執行多種任務類型，包括防區外 ISR&T、動能交戰、射頻誘餌、SIGINT、通信中繼和網絡戰。數據來源：Anduril 官網，東北證券 4）水下裝備：）水下裝備：主要為水下無人潛航器，專為沿海和深水勘測、檢查和 ISR 而設計，適用于廣泛的國防和商業任務。表表 19

119、：Anduril 的的水下裝備水下裝備產品產品 產品圖片產品圖片 產品應用產品應用 Copperhead 是一系列高速自主水下航行器是一系列高速自主水下航行器(AUV)，旨在從自主平臺提供智能按需功能，以執行時間敏感的海上任務。Dive-LD 專為沿海及深水勘測、檢查和情報、監視與偵察（ISR）任務量身定制。Dive-LD 具有靈活獨特的架構，能夠快速集成復雜的有效載荷或多傳感器組件。它非常適合執行各種任務，例如海底戰場情報、監視偵察、反水雷戰、反潛戰、海底測繪等。Dive-XL 是一種超大型自主水下航行器(XL-AUV)，具有高度可配置的架構，支持多個大型有效載荷和精簡部署，適用于各種長距離

120、、長時間的商業或防御任務。Dive-XL 采用了 Dive-LD 成熟的模塊化、軟件優先設計，以同類 AUV 的一小部分成本提供更可生產、更靈活、更可升級的功能。Seabed Sentry 是一款人工智能傳感器，能夠為深邃黑暗的海洋帶來連接和感知能力。Seabed Sentry 經過精確部署后，將形成一個由 Lattice 連接的無線網絡，實現實時水下感知和通信，從而實現對關鍵海域或基礎設施的持續監測。數據來源：Anduril 官網，東北證券 5）火箭發動機：）火箭發動機：Anduril 是一家提供全方位服務、批量供應常規和下一代火箭發動機的供應商。表表 20：Anduril 的水下裝備產品的

121、水下裝備產品 產品圖片產品圖片 產品應用產品應用 Anduril 設計并生產固體火箭發動機(SRM)，為國防和航天發射系統提供動力。Anduril 擁有超過 450 英畝的生產設施，每年可生產數千臺 SRM。Anduril 已與客戶合作，設計和生產長度可達 110 英寸、直徑可達 42 英寸的定制 SRM。除了傳統的復合火箭推進劑外，Anduril 還開發了含有 ALITEC 的推進劑，ALITEC 是一種專有的鋁鋰合金燃料，可增強固體火箭發動機的性能。數據來源：Anduril 官網，東北證券 Anduril 憑借出色的憑借出色的 AI 產品和產品和 AI 開發能力，獲得美國軍方多個訂單。開發

122、能力，獲得美國軍方多個訂單。1）IVAS 增強現實頭顯項目增強現實頭顯項目 2025 年 2 月，微軟將美國陸軍價值 220 億美元的 IVAS（集成視覺增強系統）項目轉交 Anduril 負責生產及后續開發，需國防部批準。此項目旨在為士兵提供實時戰場感知，涉及頭顯硬件和 AI 軟件集成，預計未來十年訂單規模達 219 億美元。2）協同作戰航空器（）協同作戰航空器（CCA）項目）項目 2024 年 4 月，Anduril 擊敗波音、洛克希德馬丁等傳統軍工企業，與美國通用原子共同獲得空軍下一代無人戰斗機研發訂單。首批次計劃采購 200 架有人戰機及1000 架配套 CCA 無人機，未來總采購量或

123、超千架。3）反無人機系統（）反無人機系統（CUAS）訂單）訂單 2022 年，其 AI 驅動的反無人機系統獲美國特種作戰司令部 10 億美元訂單，用于攔截低空無人機群，技術整合多傳感器融合及與愛國者導彈系統的聯動能力。越來越多的國防公司開始應用越來越多的國防公司開始應用 AI。當前，全球國防工業正加速向智能化轉型，人工智能 AI 已成為重塑軍事能力的核心驅動力。以 BAE 系統、洛克希德 馬丁、Palantir為代表的軍工巨頭通過 AI 技術重構了從作戰系統到決策支持的全鏈條能力。表表 21：越來越多的國防公司應用：越來越多的國防公司應用 AI 公司公司 應用案例應用案例 BAE 系統公司系統

124、公司（英國）（英國）BAE 系統公司在將 AI 應用于自動航空系統和網絡安全方面走在前列。通過實時決策能力，該公司的無人戰車和無人偵察機可以在地面和空中的作戰行動中，減少對人類的干預。與英國國防部的合作進一步推動了復雜戰場環境中的作戰效率提升。洛克希德洛克希德-馬丁馬丁公司（美國）公司（美國）以“人工工廠”為重點，洛克希德-馬丁通過 AI 優化任務規劃和無人系統，提升了戰斗機以及導彈防御系統的效能。泰雷茲集團（法泰雷茲集團（法國）國）泰雷茲將 AI 融入其網絡安全和情報收集方案中，尤其是在空間智能和衛星監控領域，增強了國防測繪的精度。雷 神 技 術 公 司雷 神 技 術 公 司（美國）（美國）

125、雷神技術在電子戰和網絡安全方面同樣表現卓越，通過 AI 平臺提升數據處理能力，增強區域安全和國防情報的可靠性。國際商業機器公國際商業機器公司（司（IBM，美國），美國）IBM 的 AI 驅動決策支持系統為國防組織提升了后勤及作戰系統的效率，強化了對數據共享的能力。諾斯羅普諾斯羅普-格魯格魯曼公司（美國）曼公司（美國）諾斯羅普-格魯曼公司強化了其先進雷達系統和自動無人機，利用 AI 提升國防作戰的實時響應能力。C3.ai（美國）（美國）通過與軍方的合作，C3.ai 開發的 AI 解決方案涵蓋從后勤到網絡安全，提供全面的軍事操作優化。奇 夸 蒂 克 公 司奇 夸 蒂 克 公 司（英國）（英國）Qi

126、netiQ 利用 AI 設計網絡安全和機器人解決方案，提高了監視和偵察能力，助力英軍執行多樣化任務。埃爾比特系統公埃爾比特系統公司（以色列司（以色列/英英國）國）該公司創建的 AI 驅動無人機和機械戰斗系統在復雜環境中表現出了極大的靈活性，有效提升了戰斗效率。通 用 動 力 公 司通 用 動 力 公 司（美國）（美國）通用動力公司利用 AI 增強防御平臺的作戰能力，特別是在復雜戰場環境中的應用。數據來源：搜狐新聞，東北證券 4.“AI+軍工”產業鏈全圖景軍工”產業鏈全圖景 4.1.“AI+軍工”產業鏈 國防軍工是人工智能技術深度賦能的戰略高地，其應用突破將重構未來戰爭規則，成為奪取制智權的關鍵

127、支點。當前軍事人工智能仍處于技術探索期：遵循數據反哺-算法進化-能力質變的螺旋式發展路徑，通過海量戰場數據的持續訓練，推動算法模型在目標識別、運動控制、自然語言處理等核心領域實現代際躍升，進而向裝備智能化、決策自主化、戰法創新化等維度延伸，最終形成智能化國防體系。軍事AI 系統遵循數據、算法、算力、應用的基礎邏輯，但具有鮮明的軍事屬性。軍用人工智能產業鏈可分為上游基礎層、中游平臺技術層、下游應用層三大層級。圖圖 27：國防軍工人工智能產業鏈：國防軍工人工智能產業鏈 數據來源：東北證券 1）上游：基礎技術與核心資源）上游：基礎技術與核心資源 上游是軍工 AI 的底層支撐，主要包括數據、算力、核心

128、硬件及基礎軟件，具有高壁壘和強技術屬性。1.數據資源：包括軍事訓練數據、戰場環境數據、裝備運行數據等，是 AI 模型訓練的基礎。例如，俄烏沖突被稱為“人工智能第一戰”，戰場數據的實時采集與分析成為關鍵。此外，數據清洗與標注企業如軍方合作的數據服務商也是重要參與者。2.算力基礎設施：高性能計算 HPC 和云計算平臺，支撐復雜 AI 模型的訓練與推理，如軍用 AI 指揮系統需依賴超算中心或分布式算力網絡。國產化替代趨勢顯著，例如鉑力特布局國產振鏡等核心元器件，減少對進口依賴。3.核心硬件：包括芯片和傳感器。芯片包括軍用 FPGA、AI 專用芯片及高精度模擬芯片 ADC/DAC。傳感器包括紅外探測器

129、、雷達組件等，用于實時戰場感知。4.基礎軟件與算法框架：開源模型（如 DeepSeek）推動技術普惠，降低開發門檻，加速軍事場景適配。2）中游：算法開發與系統集成）中游：算法開發與系統集成 中游是軍工 AI 的技術轉化環節，聚焦算法優化、模型訓練及軟硬件集成。1.AI 算法與模型：具體的戰術決策模型如大立科技的“淵”AI 引擎，通過多源數據融合生成實時戰術地圖，支持動態威脅自主決策。2.系統集成與平臺建設：如軍用通信網絡，能夠實現戰場信息實時傳輸與協同。3）下游：軍事應用于裝備智能化）下游：軍事應用于裝備智能化 下游是軍工 AI 的落地場景，覆蓋指揮決策、無人裝備、情報分析等領域，直接提升作戰

130、效能。1.智能指揮與決策系統：如 Palantir 的“戰場數據操作系統”，通過 AI 分析戰場態勢，輔助指揮官制定策略，類似技術在國內由中科星圖的空天大數據平臺實現。2.無人化作戰裝備：包括無人機/無人車，如航天彩虹的察打一體無人機、內蒙一機的智能裝甲車，結合 AI 實現自主路徑規劃和目標識別。智能彈藥如北方導航的制導控制系統集成 AI 算法，提升導彈命中精度。3.情報與電子戰：基于 AI 的情報分析系統如晨曦航空的慣性導航設備可快速篩選衛星圖像和通信信號，識別敵方動態。4.后勤與裝備維護：主要是 AI 預測性維護，通過分析裝備運行數據，提前預警故障，降低戰場維修風險。軍工軍工 AI 下游應

131、用場景的落地與訂單增長已成為產業鏈的核心驅動力下游應用場景的落地與訂單增長已成為產業鏈的核心驅動力，尤其在智能指揮、無人裝備、智能彈藥、電子戰等領域表現突出。2024 年底以來，軍工企業訂單逐步從個別公司突破轉向特定領域集中釋放，如導彈、無人機、數據鏈等。預計2025 年全領域訂單將迎來爆發，尤其是 AI 賦能的智能化裝備。表表 22：軍工：軍工 AI 代表公司與訂單案例代表公司與訂單案例 領域領域 代表企業代表企業 訂單訂單/技術進展技術進展 智能指揮系統 能科科技 能科科技 2024 年簽訂多個軍工 AI 大模型訂單，涉及 AI 大模型、軟件工具鏈及私有云建設，客戶包括航天科技、航空工業等

132、央企 無人機 航天彩虹/智明達 航天彩虹的察打一體無人機、內蒙一機的智能裝甲車已集成 AI 技術，實現自主路徑規劃和目標識別。智明達在無人機方向配套 20 多種型號，并拓展至反無人機領域，預計 2025 年新增訂單大幅增長 智能彈藥 北方導航 制導系統集成 AI 算法，導彈產業鏈因實戰化訓練消耗增加，2025 年預計進入快速增長期 電子戰 佳緣科技/華如科技 華如科技的軍事仿真技術、佳緣科技的數據加密方案在電子對抗中廣泛應用，訂單隨網絡信息體系建設需求增長 地面裝備 內蒙一機 AI 圖像處理專利、智能控制系統訂單，應用于裝甲車與物流設備 數據來源：公司公告，東北證券 4.2.“AI+軍工”產業

133、鏈相關公司 洪都航空：洪都航空：教練機教練機+導彈導彈+無人機多元發展，無人機控制技術已申請專利無人機多元發展，無人機控制技術已申請專利 教練機教練機+導彈導彈+無人機多元發展。無人機多元發展。洪都航空在教練機研制領域具有較強競爭力，是國內唯一同時具備初、中、高級教練機全譜系產品的研制開發和生產制造能力的企業。公司產品在國內外市場均有需求，尤其是 L15 高級教練機在國內外市場都有良好的銷售前景。同時，公司也在積極拓展無人機和導彈業務，以實現多元化發展。洪都660 所作為航空工業集團內兩家導彈研究所之一，長期承擔我國空面導彈研制任務。無人機自主控制技術已申請專利。無人機自主控制技術已申請專利。

134、江西洪都航空工業集團有限責任公司申請的“一種基于嵌入式注意力策略和多層次編碼網絡的無人機控制方法”專利（公開號：CN 119759046 A），是無人機智能化控制領域的重要技術突破。該專利通過嵌入式注意力策略與多層次編碼網絡的深度融合，解決了傳統強化學習算法在無人機控制中的核心痛點，顯著提升了無人機在復雜環境下的自主決策能力。圖圖 28：攻擊：攻擊-11 無人機無人機 數據來源：百度百科，東北證券 教練機業務快速發展，境外營收實現大幅增長。分產品看，教練機業務快速發展，境外營收實現大幅增長。分產品看，1）2024 年教練機業務實現營收 16.47 億元，同比增長 86.66%；2）其他航空產品

135、實現營收 35.83 億元，同比增長 27.45%。分地區看，分地區看，1）2024 年境內實現營收 39.22 億元，同比增長 11.77%；2）境外實現營收 13.24 億元，同比增長 547.79%?？春霉究春霉?25 年業績年業績快速快速增長。增長。公司此前發布 2025 年關聯交易預計公告，預計 2025年日常關聯交易總金額上限為 149.02 億元，較 2024 年度實際發生額 60.71 億元增長 145.46%。其中，2025 年公司向關聯方銷售產品和提供勞務預計金額上限為 89.70億元，較 2024 年度實際發生額 44.32 億元增長 102.39%。2025 年關聯

136、交易預計金額上限大幅增長，或預示公司 2025 年業績將快速增長。圖圖 29：洪都航空：洪都航空營收及增速情況營收及增速情況 圖圖 30：洪都航空：洪都航空營收及增速情況營收及增速情況 數據來源：ifind，東北證券 數據來源：ifind，東北證券 觀想科技：觀想科技：專注軍工專注軍工 AI 應用的智能無人裝備與信息化服務商應用的智能無人裝備與信息化服務商 觀想科技是一家專注于自主可控新一代信息技術在軍工行業應用的高科技企業觀想科技是一家專注于自主可控新一代信息技術在軍工行業應用的高科技企業，其核心業務涵蓋國防裝備信息化、裝備管理信息化及智能武器裝備研發。公司以全壽命周期管理系統、智能武器裝備

137、管控模塊等為核心產品，服務于軍隊、軍工集團及科研院所，致力于推動國防裝備的數字化、智能化升級。近年來，公司通過整合物聯網、大數據、AI 等技術，逐步構建起覆蓋裝備研發、生產、維護的全鏈條解決方案能力。圖圖 31：觀想科技產品體系：觀想科技產品體系 數據來源：觀想科技官網，東北證券 在軍工 AI 領域布局方面，觀想科技聚焦三大方向：1.智能裝備開發：智能裝備開發：基于邊緣計算和異構算力架構，開發無人機、智能彈藥、無人車等裝備，實現戰場態勢感知、路徑規劃、敵我識別等功能。例如，無人機通過自主核心算法實現偵察與打擊的智能協同，輔助提升作戰效率。2.AI 基礎設施構建：基礎設施構建：與國產 AI 芯片

138、廠商合作打造自主可控的智算平臺，支持高性能模型訓練與推理，為指揮控制、后勤保障等場景提供算力支撐。-60%-40%-20%0%20%40%60%80%100%0100000200000300000400000500000600000700000800000營收(萬元)同比增速-100%-80%-60%-40%-20%0%20%40%60%80%-20000200040006000800010000120001400016000歸母凈利潤(萬元)同比增速3.低成本智能化生態：低成本智能化生態：通過數字孿生、強化學習等技術縮短裝備研發周期，降低維護成本。例如，利用 AI 優化裝備設計流程，虛擬測試

139、減少實物試驗需求，故障預測準確率達 95%。圖圖 32：觀想科技：觀想科技營收及增速情況營收及增速情況 圖圖 33：觀想科技營收及增速情況：觀想科技營收及增速情況 數據來源：ifind，東北證券 數據來源：ifind，東北證券 中科星圖中科星圖：專注于數字地球技術與空天信息應用深度融合專注于數字地球技術與空天信息應用深度融合 中科星圖是中國科學院空天信息創新研究院控股的國有高科技企業，成立于中科星圖是中國科學院空天信息創新研究院控股的國有高科技企業，成立于 2006年，專注于數字地球技術與空天信息應用的深度融合。年，專注于數字地球技術與空天信息應用的深度融合。公司以自主研發的 GEOVIS數字

140、地球平臺為核心，整合衛星遙感、AI 算力、超算資源和多源數據，構建了覆蓋空天大數據獲取、處理、分析及應用的完整產業鏈。其業務涵蓋特種領域、智慧政府、氣象生態、低空經濟等六大板塊，尤其在軍工領域，通過“天基數據+AI 算法+超算算力”的技術體系，成為空天信息賦能國防安全的國家隊。中科星圖在軍工中科星圖在軍工 AI 的智能情報與決策系統方面有所布局。的智能情報與決策系統方面有所布局。1）中科星圖依托全球首個跨模態遙感大模型“空天靈眸”，實現 PB 級遙感數據的快速分析與目標識別，支持戰場態勢推演和戰術規劃。該模型在檢測、分割、三維重建等任務中達到國際領先水平，已應用于國土安全、電子對抗等領域。2）

141、中科星圖開發 GEOVIS 數智低空大腦，整合超算算力與天基數據，實現大規模無人機編隊的動態路徑規劃、碰撞預警及空域管理，已在合肥、濟南等地落地低空物流和軍事監控場景。-60%-40%-20%0%20%40%60%80%020004000600080001000012000140001600018000營收(萬元)同比增速-350%-300%-250%-200%-150%-100%-50%0%50%100%-2000-100001000200030004000500060007000歸母凈利潤(萬元)同比增速圖圖 34：中科星圖“空天靈眸”遙感大模型：中科星圖“空天靈眸”遙感大模型 數據來源：

142、央視新聞，東北證券 圖圖 35：中科星圖營收及增速情況：中科星圖營收及增速情況 圖圖 36：中科星圖歸母凈利潤及增速情況：中科星圖歸母凈利潤及增速情況 數據來源：ifind，東北證券 數據來源：ifind，東北證券 興圖新科興圖新科：布局“：布局“AI+視頻指揮”，智能系統綜合解決方案提供商視頻指揮”，智能系統綜合解決方案提供商 興圖新科是一家以網絡和視頻技術為核心的智能系統綜合解決方案提供商興圖新科是一家以網絡和視頻技術為核心的智能系統綜合解決方案提供商，成立于2004 年，2020 年登陸科創板。作為國家級高新技術企業，公司長期深耕軍工信息化領域，主導產品包括視頻指揮控制、視頻預警控制兩大

143、體系，覆蓋戰場數據采集、信息傳輸、協同決策等場景。其核心技術聚焦國產化智能編解碼芯片、復雜網絡適應技術、低延時傳輸等方向，參與制定了軍用視頻指揮系統的首個技術標準，并在實戰化場景中實現國產化替代。通過“通過“AI+視頻指揮”的立體化布局，興圖新科正從傳統指揮系統供應商向智能化視頻指揮”的立體化布局，興圖新科正從傳統指揮系統供應商向智能化作戰中樞服務商轉型，在國防信息化升級中占據重要地位。作戰中樞服務商轉型，在國防信息化升級中占據重要地位。興圖新科 2023 年成立人工智能研究院，重點攻關機器視覺、深度學習、多模態大模型、數字孿生與仿真推演技術，開發智能分析平臺實現目標識別、視頻結構化處理等功能

144、，輔助戰場高效決策。將 AI 與視頻指揮系統深度融合，推出無人機協同作戰解決方案，支持無人機偵查、三維建模及應急指揮控制，并搭載于機動指揮車實現戰場實時響應。同時，0%10%20%30%40%50%60%70%050000100000150000200000250000300000350000營收(萬元)同比增速0%200%400%600%800%1000%1200%0500010000150002000025000300003500040000歸母凈利潤(萬元)同比增速研發的智能編解碼芯片整合 AI 計算能力，應用于戰場態勢感知、武器目標跟蹤等場景，提升信息處理精度。興圖新科“興圖新科“AI

145、+視頻指揮”已在部分場景落地應用。視頻指揮”已在部分場景落地應用。公司與華中科技大學、河南省監獄系統共建聯合創新中心，探索 AI 在安防、訓練推演等場景的落地；與知名 AI大模型廠商合作優化產品迭代，推動 AI 技術在軍事指揮、民用視頻智算等領域的規?；瘧?。圖圖 37：興圖新科的“云視頻指揮系統”：興圖新科的“云視頻指揮系統”數據來源：興圖新科官網，東北證券 圖圖 38：興圖新科營收及增速情況：興圖新科營收及增速情況 圖圖 39：興圖新科歸母凈利潤及增速情況：興圖新科歸母凈利潤及增速情況 數據來源：ifind，東北證券 數據來源：ifind，東北證券 -20%-15%-10%-5%0%5%1

146、0%0500010000150002000025000營收(萬元)同比增速-300%-250%-200%-150%-100%-50%0%50%-10000-8000-6000-4000-20000200040006000歸母凈利潤(萬元)同比增速華如科技華如科技：國內軍事仿真領域龍頭：國內軍事仿真領域龍頭 華如科技成立于華如科技成立于 2011 年，是國內軍事仿真領域的龍頭企業，專注于軍事仿真、虛擬年，是國內軍事仿真領域的龍頭企業，專注于軍事仿真、虛擬現實、人工智能和大數據技術的研發與應用?，F實、人工智能和大數據技術的研發與應用。公司以“仿真筑基、數據驅動、AI 賦能”為核心戰略，構建了覆蓋陸

147、、海、空、天、電全領域的仿真產品體系，客戶主要為軍隊和國防工業企業。截至 2024 年 6 月末，公司已擁有 151 項專利權和 479 項計算機軟件著作權，技術積累深厚。近年來，華如科技提出從“軍事仿真”向“軍事智能”的戰略升級，推出新一代 XSim 軍事智能體系，融合大模型、數字孿生等技術，成為軍工 AI 領域的標桿企業。華如科技在軍事大模型、仿真訓練上有所布局。華如科技在軍事大模型、仿真訓練上有所布局。1）軍事大模型與智能決策：公司推出 XSimVerse 軍事大模型，以通用大模型為基礎，注入軍事垂直領域知識，并與DeepSeek 大模型深度結合，形成具備戰場認知和決策能力的專用模型。該

148、模型支持智能決策、虛擬訓練等場景，例如通過 AI 工具集優化 OODA（觀察-判斷-決策-行動）循環，縮短戰術規劃時間至秒級。2）虛實融合訓練與試驗：通過 XSimWorld 數字戰場平臺和 XSimLink 數實互聯技術，構建沉浸式虛擬訓練環境，支持多域指揮控制系統的動態兵力調配。公司還為艦船作戰管理系統提供智能化的敵我識別、戰術建議等功能，提升復雜戰場下的決策效率。圖圖 40：華如科技：華如科技 XSim 軍事大模型軍事大模型 數據來源：華如科技官網，東北證券 圖圖 41：華如科技營收及增速情況：華如科技營收及增速情況 圖圖 42：華如科技歸母凈利潤及增速情況：華如科技歸母凈利潤及增速情況

149、 數據來源：ifind，東北證券 數據來源：ifind，東北證券 能科科技能科科技：布局“：布局“AI+工業軟件”，工業智能化解決方案提供商工業軟件”，工業智能化解決方案提供商 能科科技是中國領先的工業智能化解決方案提供商。能科科技是中國領先的工業智能化解決方案提供商。公司成立于 2006 年，2016 年在上交所上市。公司專注于為軍工、高端裝備制造、汽車等行業的數字化轉型提供核心技術支撐，其核心業務包括智能制造系統集成、工業軟件研發、數字孿生技術應用以及 AI 大模型融合創新。憑借自主研發的“樂系列”云原生工業軟件和“靈系列”AI 工具鏈，能科科技已構建起覆蓋研發設計、生產制造、運維服務全鏈

150、條的數字化解決方案體系，客戶涵蓋航空、航天、兵器、船舶等軍工領域頭部企業。能科科技正通過“能科科技正通過“AI+工業軟件”雙輪驅動，成為軍工工業軟件”雙輪驅動，成為軍工 AI 國產化替代的關鍵力量。國產化替代的關鍵力量。公司與華為聯合打造“AI+算力底座”體系，整合軟件開發工具鏈和 AI 算力資源，形成覆蓋研發設計、仿真測試、生產制造的軍工 AI 解決方案，例如為航空企業提供基于數字孿生的智能工廠改造。公司 2023 年戰略布局 AI 算力底座業務，計劃通過算力與行業大模型的結合，推動軍工領域的智能化升級 圖圖 43：能科科技參加：能科科技參加全球開發者先鋒大會全球開發者先鋒大會，提出，提出

151、AI 大模型大模型驅動工業智能化進階驅動工業智能化進階 數據來源：能科科技微信公眾號，東北證券 -80%-60%-40%-20%0%20%40%60%80%0100002000030000400005000060000700008000090000營收(萬元)同比增速-300%-250%-200%-150%-100%-50%0%50%-40000-30000-20000-1000001000020000歸母凈利潤(萬元)同比增速圖圖 44：能科科技營收及增速情況：能科科技營收及增速情況 圖圖 45：能科科技歸母凈利潤及增速情況：能科科技歸母凈利潤及增速情況 數據來源：ifind，東北證券 數據

152、來源：ifind，東北證券 科思科技：科思科技：重點突破智能無人裝備與決策支持系統重點突破智能無人裝備與決策支持系統 科思科技是一家專注于軍用電子信息裝備研發的高新技術企業，科思科技是一家專注于軍用電子信息裝備研發的高新技術企業，核心業務涵蓋指揮控制信息處理設備、軟件雷達信息處理設備、智能無線通信系統等關鍵領域。公司以“無人化、智能化、國產化”為戰略方向，致力于推動人工智能技術與軍工業務的深度融合，并通過自主創新在智能無人裝備、芯片研發、戰術云平臺等領域取得顯著進展。其產品廣泛應用于陸軍、空軍、火箭軍等多軍兵種的信息化裝備，在指揮控制、通信、偵察等場景中發揮重要作用。在在 AI 技術應用層面，

153、科思科技重點突破智能無人裝備與決策支持系統。技術應用層面，科思科技重點突破智能無人裝備與決策支持系統。公司自主研發的智能無線電基帶處理芯片采用去中心化網絡架構，支持大規模安全組網和智能路由選擇，顯著提升戰場通信效率與可靠性；同時，AI 加速信息處理設備和高精度時鐘同步設備已實現技術突破，為實時態勢感知和精準打擊提供硬件支持。此外，公司通過戰術云平臺構建智能決策指揮系統，融合虛擬化技術與大數據分析能力，縮短從情報收集到作戰決策的響應周期?？扑伎萍荚诖怪鳖I域積極拓展科思科技在垂直領域積極拓展 AI 應用場景應用場景：1）無人化裝備：開發智能無人地面站、無人機協同控制系統，推動集群作戰與自主任務執行

154、能力；2）火控系統：新一代火控系統實現設備即插即用，支持通用化、模塊化升級，提升裝備智能化水平；3）軍民融合：通過子公司陜西智云防務探索智能武器研發，并與軍工院所合作推進低空經濟、衛星通信等新興領域的 AI 技術轉化。公司還持續對標 Palantir 等國際領先企業，加大研發投入以構建“硬件+算法+數據”的完整生態鏈。-40%-20%0%20%40%60%80%100%020000400006000080000100000120000140000160000營收(萬元)同比增速-20%0%20%40%60%80%100%0500010000150002000025000歸母凈利潤(萬元)同比增速圖圖 46：科思科技營收及增速情況：科思科技營收及增速情況 圖圖 47：科思科技歸母凈利潤及增速情況：科思科技歸母凈利潤及增速情況 數據來源：ifind，東北證券 數據來源：ifind，東北證券 -80%-60%-40%-20%0%20%40%60%01000020000300004000050000600007000080000營收(萬元)同比增速-250%-200%-150%-100%-50%0%50%-30000-20000-100000100002000030000歸母凈利潤(萬元)同比增速